Segmentación Semántica Auto-supervisada
La segmentación semántica auto-supervisada aprende a asignar una etiqueta de clase a cada píxel de una imagen sin depender de máscaras de segmentación anotadas manualmente. Primero, se entrena una red troncal (backbone) con grandes cantidades de imágenes sin etiquetar utilizando objetivos auto-supervisados como el aprendizaje contrastivo o el modelado de imágenes enmascaradas, y las características densas resultantes se utilizan luego para particionar y etiquetar regiones de la imagen, logrando una calidad de segmentación competitiva a una fracción del costo de anotación.
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
- Caron, M., Touvron, H., Misra, I., Jegou, 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 ↗
- Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/es/deep-learning/self-supervised-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.
- Segmentación de instanciasAprendizaje profundo↔ compare
- Red Neuronal Convolucional AutosupervisadaAprendizaje profundo↔ compare
- Vision Transformer AutocontroladoAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →