Самообучаваща се семантична сегментация
Самообучаващата се семантична сегментация се учи да присвоява етикет на клас на всеки пиксел от изображение, без да разчита на ръчно анотирани маски за сегментация. Първоначално се обучава основна мрежа върху големи количества неанотирани изображения, използвайки самообучаващи се цели като контрастивно обучение или моделиране на маскирани изображения, а получените плътни характеристики след това се използват за разделяне и етикетиране на области в изображението, постигайки конкурентно качество на сегментация при част от цената на анотирането.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
- Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/bg/deep-learning/self-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.
- Инстанс сегментацияДълбоко обучение↔ compare
- Самообучаваща се конволюционна невронна мрежаДълбоко обучение↔ compare
- Трансформер за зрение със самообучениеДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →