Selbstüberwachte Instanzsegmentierung
Selbstüberwachte Instanzsegmentierung lernt, einzelne Objektinstanzen in Bildern zu erkennen und abzugrenzen, ohne dass menschlich annotierte Masken oder Bounding Boxes erforderlich sind. Anstatt auf kostspielige Pixel-Level-Labels zu setzen, nutzt sie selbstüberwachtes Vortraining, Konsistenz über mehrere Ansichten hinweg und die Generierung von Pseudolabels, um Objekte rein aus Rohbilddaten zu entdecken und zu segmentieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Wang, X., Zhu, Z., Cao, G., Yao, Z., Jiang, Z., & Ye, J. (2022). FreeSOLO: Learning to Segment Objects without Annotations. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 14176–14186. link ↗
- Caron, M., Touvron, H., Misra, I., Jégou, 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Instance Segmentation (Label-free Object Mask Learning). ScholarGate. https://scholargate.app/de/deep-learning/self-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.
- InstanzsegmentierungDeep Learning↔ compare
- Selbstüberwachtes LernenMaschinelles Lernen↔ compare
- Semantische SegmentierungDeep Learning↔ compare
- Vision TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →