Segmentación Semántica Débilmente Supervisada
La Segmentación Semántica Débilmente Supervisada (WSSS) entrena analizadores de escenas a nivel de píxel utilizando solo anotaciones baratas y generales — típicamente etiquetas de clase a nivel de imagen — en lugar de máscaras de píxeles densas y costosas. Al generar etiquetas proxy simuladas a partir de una red de clasificación (a través de Mapas de Activación de Clase o señales de localización similares) y refinarlas iterativamente, la WSSS acerca la precisión de la supervisión completa a un costo de anotación fraccional.
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
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning Deep Features for Discriminative Localization. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Ahn, J., & Kwak, S. (2018). Learning Pixel-Wise Semantic Affinity with Image-Level Supervision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4109–4118. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/es/deep-learning/weakly-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.
- Detección de objetosAprendizaje profundo↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →