Полу-наблюдавано семантично сегментиране
Полу-наблюдаваното семантично сегментиране обучава модели за етикетиране на ниво пиксел, използвайки малък набор от напълно етикетирани изображения, комбиниран с много по-голям набор от не етикетирани изображения. Техники като псевдо-етикетиране и регуляризация на консистентността извличат надзорен сигнал от не етикетирани данни, което прави възможно постигането на почти напълно наблюдавана точност при част от разходите за анотиране.
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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/bg/deep-learning/semi-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 семантична сегментацияДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Полу-наблюдавана конволюционна невронна мрежаДълбоко обучение↔ compare
- Слабо контролирана семантична сегментацияДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →