Ασθενούς Επίβλεψης Τμηματοποίηση Περιπτώσεων
Η τμηματοποίηση περιπτώσεων με ασθενή επίβλεψη εκπαιδεύει βαθιά νευρωνικά δίκτυα για να οριοθετήσουν μεμονωμένες περιπτώσεις αντικειμένων σε επίπεδο εικονοστοιχείου χρησιμοποιώντας μόνο φθηνές, ελλιπείς επισημάνσεις — όπως οριοθετημένα πλαίσια (bounding boxes), ετικέτες επιπέδου εικόνας ή κλικ σημείων — αντί για δαπανηρές πλήρεις μάσκες ανά εικονοστοιχείο. Μειώνει δραματικά την προσπάθεια επισήμανσης, ενώ εξακολουθεί να παράγει μάσκες επιπέδου περίπτωσης για κάθε αντικείμενο σε μια εικόνα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Hsu, C.-C., Hsu, K.-J., Tsai, C.-C., Lin, Y.-Y., & Chuang, Y.-Y. (2019). Weakly supervised instance segmentation using the bounding box tightness prior. Advances in Neural Information Processing Systems (NeurIPS), 32. link ↗
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning deep features for discriminative localization. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Weakly Supervised Instance Segmentation (Deep Learning with Incomplete Annotations). ScholarGate. https://scholargate.app/el/deep-learning/weakly-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.
- Τμηματοποίηση Αντικειμένων (Instance Segmentation)Βαθιά Μάθηση↔ compare
- Ανίχνευση ΑντικειμένωνΒαθιά Μάθηση↔ compare
- Self-supervised Instance SegmentationΒαθιά Μάθηση↔ compare
- Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
- Ημι-επιβλεπόμενη Τμηματοποίηση ΠεριπτώσεωνΒαθιά Μάθηση↔ compare
- Ασθενώς Επιβλεπόμενη Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →