Semi-supervised Instance Segmentation
Semi-supervised instance segmentation trains a model to detect and delineate every object instance in an image using a small labeled set and a large unlabeled image corpus. By generating pseudo-labels from confident predictions on unlabeled images and enforcing consistency under augmentation, the approach achieves competitive mask accuracy at a fraction of the full annotation cost.
Εγγραφή πηγής
Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.
- 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. · URL
- 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. · URL
Επιμελημένοι ισχυρισμοί
Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.
Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.
Σχετικές μέθοδοι
Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.