Semi-überwachte Instanzsegmentierung
Semi-überwachte Instanzsegmentierung trainiert ein Modell, um jede Objektinstanz in einem Bild mit einem kleinen Satz gelabelter Daten und einem großen Korpus ungelabelter Bilder zu erkennen und abzugrenzen. Durch die Generierung von Pseudolabels aus zuverlässigen Vorhersagen auf ungelabelten Bildern und die Durchsetzung von Konsistenz unter Augmentierung erzielt der Ansatz eine wettbewerbsfähige Maskengenauigkeit zu einem Bruchteil der vollen Annotationskosten.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Instance Segmentation. ScholarGate. https://scholargate.app/de/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.
- InstanzsegmentierungDeep Learning↔ compare
- Selbstüberwachtes Vision TransformerDeep Learning↔ compare
- Semantische SegmentierungDeep Learning↔ compare
- Semi-überwachtes Faltungsneuronales NetzDeep Learning↔ compare
- Semisupervidierte ObjektdetektionDeep Learning↔ compare
- Schwache InstanzsegmentierungDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →