Fintunet Semantisk Segmentering
Fintunet semantisk segmentering tilpasser et dybt neuralt netværk, der er forhåndstrænet på et stort pixel-mærket datasæt (f.eks. ImageNet-forhåndstrænet "backbone" med et "encoder-decoder head" trænet på COCO eller Cityscapes), til et nyt måldomæne ved at fortsætte træningen på domænespecifikke annoterede billeder. Resultatet er en model, der tildeler en klasselabel til hver pixel i et billede, samtidig med at den udnytter rige visuelle repræsentationer, der er lært fra langt mere data, end måldomænet alene kunne levere.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/da/deep-learning/fine-tuned-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.
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- Finetunet Vision TransformerDyb læring↔ compare
- InstanssegmenteringDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →