弱监督深度学习

一、无监督学习

人类和动物就是这种学习方式。当你还是婴儿时，你并没有被告知你所看到的所有物体的名字。然而你却能学会这些物体的概念，你知道世界是三维的，当我把物体放在另一个的后面，你还是知道它的存在。这些概念不是与生俱来的，是你将它们学会了。我们把这种类型的学习称作“无监督”学习。

一般指聚类算法，事先不知道样本的类别，通过某种办法，把相似的样本放在一堆。比如假设有两类数据在样本中，那么将样本聚成两类，经过定性分析，就可以给两类加标签了。

二、有监督学习

1.难点-数据问题

0）数据太少，深度网络学不好，容易发生过拟合

1）数据标注，需要大量的人力和财力

2）增加类别，要增加新的标注

3）不同人标注不一致，多次检查增加工作量

4）难以贴近真实应用场景，或存在隐私版权问题

二、弱监督学习

1.基本思路

1）用容易的标注，替代较难的标注：图像分类代替物体边框

2）部分样本精细标注