تقسیمبندی معنایی خودنظارتی (Self-supervised Semantic Segmentation)
تقسیمبندی معنایی خودنظارتی، یاد میگیرد که بدون اتکا به ماسکهای تقسیمبندی با برچسبگذاری دستی، به هر پیکسل از یک تصویر، برچسب کلاس اختصاص دهد. یک شبکه پایه ابتدا بر روی مقادیر زیادی از تصاویر بدون برچسب با استفاده از اهداف خودنظارتی مانند یادگیری کنتراستیو یا مدلسازی تصویر پوشاندهشده آموزش داده میشود و سپس ویژگیهای متراکم حاصل برای تقسیمبندی و برچسبگذاری نواحی تصویر استفاده میشوند و کیفیت تقسیمبندی رقابتی را با کسری از هزینه برچسبگذاری به دست میآورند.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/fa/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.
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی خودنظارتییادگیری عمیق↔ compare
- ترنسفورمر بینایی خودنظارتییادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →