Segmentación semántica ajustada finamente
La segmentación semántica ajustada finamente adapta una red neuronal profunda preentrenada en un gran conjunto de datos etiquetado por píxeles (p. ej., un backbone preentrenado en ImageNet con una cabeza codificador-decodificador entrenada en COCO o Cityscapes) a un nuevo dominio objetivo continuando el entrenamiento en imágenes anotadas específicas del dominio. El resultado es un modelo que asigna una etiqueta de clase a cada píxel de una imagen, aprovechando al mismo tiempo representaciones visuales ricas aprendidas de muchos más datos de los que podría proporcionar solo el dominio objetivo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/es/deep-learning/fine-tuned-semantic-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.
- Red de Convolución (CNN) Ajustada FinamenteAprendizaje profundo↔ compare
- Vision Transformer (ViT) de ajuste finoAprendizaje profundo↔ compare
- Segmentación de instanciasAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →