تقسیمبندی معنایی چندوجهی
تقسیمبندی معنایی چندوجهی با ادغام اطلاعات حاصل از دو یا چند حسگر — که معمولاً تصاویر RGB همراه با نقشههای عمق (RGB-D)، ابر نقاط لایدار (LiDAR)، دوربینهای حرارتی، یا توصیفات متنی هستند — یک برچسب کلاس معنایی به هر پیکسل در یک صحنه اختصاص میدهد. شبکههای رمزگذار-رمزگشای عمیق یاد میگیرند که نشانههای مکمل از هر وجه را همتراز و ادغام کنند و تقسیمبندی متراکمتر و دقیقتری نسبت به رویکردهای تکوجهی تولید میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hazirbas, C., Ma, L., Domokos, C., & Cremers, D. (2016). FuseNet: Incorporating Depth into Semantic Segmentation via Fusion-based CNN Architecture. In Proceedings of the Asian Conference on Computer Vision (ACCV). Springer. link ↗
- Zhang, J., Liu, H., Yang, K., Hu, X., Liu, R., & Stiefelhagen, R. (2023). CMX: Cross-Modal Fusion for RGB-X Semantic Segmentation with Transformers. IEEE Transactions on Intelligent Transportation Systems, 24(12), 14801–14813. DOI: 10.1109/TITS.2023.3300537 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/fa/deep-learning/multimodal-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.
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →