Multimodal Semantisk Segmentering
Multimodal semantisk segmentering tildeler en semantisk klasseetiket til hver pixel i en scene ved at fusionere information fra to eller flere sensor-modaliteter — oftest RGB-billeder parret med dybdekort (RGB-D), LiDAR-punktskyer, termiske kameraer eller tekstbeskrivelser. Dybe encoder-decoder-netværk lærer at justere og fusionere komplementære signaler fra hver modalitet, hvilket producerer tættere og mere nøjagtig segmentering end nogen enkelt-modalitets tilgang.
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
- Hazirbas, C., Ma, L., Domokos, C., & Cremers, D. (2016). FuseNet: Incorporating Depth into Semantic Segmentation via Fusion-based CNN Architecture. In Proceedings of the Asian Conference on Computer Vision (ACCV). Springer. link ↗
- Zhang, J., Liu, H., Yang, K., Hu, X., Liu, R., & Stiefelhagen, R. (2023). CMX: Cross-Modal Fusion for RGB-X Semantic Segmentation with Transformers. IEEE Transactions on Intelligent Transportation Systems, 24(12), 14801–14813. DOI: 10.1109/TITS.2023.3300537 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/da/deep-learning/multimodal-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.
- InstanssegmenteringDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
- Vision TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →