Slabě supervizovaná sémantická segmentace
Slabě supervizovaná sémantická segmentace (WSSS) trénuje pixelové parsery scén pomocí pouze levných, hrubých anotací — typicky značek tříd na úrovni obrazu — namísto nákladných hustých pixelových masek. Generováním zástupných pseudoznaček z klasifikační sítě (pomocí map aktivace tříd nebo podobných lokalizačních vodítek) a jejich iterativním vylepšováním přibližuje WSSS přesnost plné supervize na 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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/cs/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.
- Detekce objektůHluboké učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →