弱监督学习是一种机器学习方法,它能够在只有部分标记数据的情况下训练模型。 弱监督学习近期进展 弱监督海底分割用于侧扫声纳图像中的海草栖息地制图:该方法使用弱监督学习进行海底分割,以提高侧扫声纳图像中海草栖息地的制图准确性。 无需人工标注的Real-Bogus深度学习分类方法及不确定性量化:该研究提出了一种新的深度学习分类方法,它能够无需人工标注数据即可进行分类,并量化不确定性。 SmartFont: 少样本字体生成的动态条件分配框架:这项工作通过弱监督学习,实现了一种新的少样本字体生成方法,使用动态条件分配框架进行训练。 当前焦点与观察点 弱监督学习正受到越来越多的关注,尤其是在处理大规模无标注数据时。研究者们正致力于提高模型在少样本学习任务中的性能,同时也在探索如何量化模型的不确定性,以增强其可靠性和鲁棒性。