Слабо контролирана семантична сегментация
Слабо контролираната семантична сегментация (WSSS) обучава парсери на ниво пиксели за сцени, използвайки само евтини, груби анотации — обикновено етикетни класове на ниво изображение — вместо скъпи плътни маски на пиксели. Чрез генериране на прокси псевдо-етикети от класификационна мрежа (чрез карти на активиране на класове или подобни локализационни сигнали) и итеративното им прецизиране, WSSS приближава точността на пълната супервизия на част от цената 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
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/bg/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.
- Детекция на обектиДълбоко обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →