Self-supervised Instance Segmentation (Label-free Object Mask Learning)
قطعهبندی نمونه سنتی نیازمند هزاران ماسک شیء است که با دست ترسیم شدهاند — یک گلوگاه پرهزینه و زمانبر. رویکردهای خودنظارتی با آموزش دادن یک شبکه برای تولید نمایشهای بصری غنی از تصاویر بدون برچسب (از طریق اهداف کنتراستیو یا خود-تقطیری) و سپس بهرهبرداری از آن نمایشها برای تولید پیشنهادهای شیء تقریبی، از این امر اجتناب میکنند. این پیشنهادها به صورت تکراری به عنوان شبهبرچسبها اصلاح میشوند و به شبکه اجازه میدهند تا بدون یک برچسب انسانی، خود را به یک قطعهبند ماهر آموزش دهد. بینش کلیدی این است که ویژگیهای خودنظارتی که به خوبی آموخته شدهاند، از قبل مرزهای اشیاء را به طور ضمنی کد 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
- Wang, X., Zhu, Z., Cao, G., Yao, Z., Jiang, Z., & Ye, J. (2022). FreeSOLO: Learning to Segment Objects without Annotations. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 14176–14186. link ↗
- Caron, M., Touvron, H., Misra, I., Jégou, 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Instance Segmentation (Label-free Object Mask Learning). ScholarGate. https://scholargate.app/fa/deep-learning/self-supervised-instance-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
- یادگیری خودنظارتییادگیری ماشین↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →