Samodzielná sémantická segmentace
Samodzielná sémantická segmentace se učí přiřazovat třídní popisek každému pixelu obrazu bez nutnosti manuálně anotovaných segmentačních masek. Základní síť je nejprve trénována na velkém množství neanotovaných obrazů pomocí samodzielných cílů, jako je kontrastivní učení nebo modelování maskovaných obrazů, a výsledné husté příznaky se pak používají k rozdělení a popiskování obrazových oblastí, čímž se dosahuje konkurenceschopné kvality segmentace za zlomek nákladů na anotaci.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/cs/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.
- Instance SegmentationHluboké učení↔ compare
- Konvoluční neuronová síť se samoučenímHluboké učení↔ compare
- Samoučící se vidění TransformerHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →