التجزئة الدلالية بالإشراف الضعيف
تقوم التجزئة الدلالية بالإشراف الضعيف (WSSS) بتدريب محللات المشهد على مستوى البكسل باستخدام تعليقات توضيحية رخيصة وخشنة فقط — عادةً ما تكون علامات فئة على مستوى الصورة — بدلاً من أقنعة البكسل الكثيفة باهظة الثمن. من خلال توليد تسميات زائفة بديلة من شبكة تصنيف (عبر خرائط تنشيط الفئة أو إشارات تحديد المواقع المماثلة) وتحسينها بشكل متكرر، تجعل WSSS دقة الإشراف الكامل في متناول اليد بجزء بسيط من تكلفة التعليقات التوضيحية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning Deep Features for Discriminative Localization. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Ahn, J., & Kwak, S. (2018). Learning Pixel-Wise Semantic Affinity with Image-Level Supervision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4109–4118. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/ar/deep-learning/weakly-supervised-semantic-segmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- اكتشاف الكائناتالتعلم العميق↔ compare
- التعلم ذاتي الإشرافتعلم الآلة↔ compare
- التجزئة الدلاليةالتعلم العميق↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare