Semi-supervised instance segmentation
Semi-supervised instance segmentation træner en model til at detektere og afgrænse hver objektinstans i et billede ved hjælp af et lille mærket datasæt og et stort umærket billedkorpus. Ved at generere pseudo-mærker fra pålidelige forudsigelser på umærkede billeder og håndhæve konsistens under augmentation opnår tilgangen konkurrencedygtig maskenøjagtighed til en brøkdel af den fulde annoteringsomkostning.
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
- Hu, H., Wei, P., Zheng, H., Bai, X., Wei, Y., & Chen, Y. (2021). Semi-supervised Semantic Segmentation via Adaptive Equalization Learning. Advances in Neural Information Processing Systems (NeurIPS), 34, 22106–22118. link ↗
- Xu, M., Zhang, Z., Wei, F., Hu, H., Bai, X., & Jiang, Y.-G. (2021). End-to-End Semi-Supervised Object Detection with Soft Teacher. IEEE/CVF International Conference on Computer Vision (ICCV), 3060–3069. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Instance Segmentation. ScholarGate. https://scholargate.app/da/deep-learning/semi-supervised-instance-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
- Selv-overvåget Vision TransformerDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
- Semi-overvåget Convolutional Neural NetworkDyb læring↔ compare
- Semi-overvåget objektdetekteringDyb læring↔ compare
- Svagt superviseret instanssegmenteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →