Segmentació semàntica feblement supervisada
La segmentació semàntica feblement supervisada (WSSS) entrena analitzadors d'escenes a nivell de píxel utilitzant només anotacions barates i भाषणes — típicament etiquetes de classe a nivell d'imatge — en lloc de màscares de píxels denses i costoses. Generant pseudo-etiquetes proxy a partir d'una xarxa de classificació (mitjançant mapes d'activació de classe o pistes de localització similars) i refinant-les iterativament, la WSSS acosta la precisió de la supervisió completa a l'abast amb una fracció del cost d'anotació.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/ca/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.
- Detecció d'objectesAprenentatge profund↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →