تقسیمبندی نمونه نیمهنظارتشده
تقسیمبندی نمونه نیمهنظارتشده، مدلی را برای تشخیص و ترسیم دقیق هر نمونه شیء در یک تصویر با استفاده از مجموعهای کوچک از دادههای برچسبدار و مجموعهای بزرگ از تصاویر بدون برچسب آموزش میدهد. با تولید برچسبهای شبه از پیشبینیهای مطمئن بر روی تصاویر بدون برچسب و اعمال سازگاری تحت افزونگی، این رویکرد به دقت ماسک رقابتی با کسری از هزینه کامل حاشیهنویسی دست مییابد.
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
- Hu, H., Wei, P., Zheng, H., Bai, X., Wei, Y., & Chen, Y. (2021). Semi-supervised Semantic Segmentation via Adaptive Equalization Learning. Advances in Neural Information Processing Systems (NeurIPS), 34, 22106–22118. link ↗
- Xu, M., Zhang, Z., Wei, F., Hu, H., Bai, X., & Jiang, Y.-G. (2021). End-to-End Semi-Supervised Object Detection with Soft Teacher. IEEE/CVF International Conference on Computer Vision (ICCV), 3060–3069. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Instance Segmentation. ScholarGate. https://scholargate.app/fa/deep-learning/semi-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
- ترنسفورمر بینایی خودنظارتییادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی نیمهنظارتشدهیادگیری عمیق↔ compare
- آشکارسازی اشیاء با نظارت نیمهخودکاریادگیری عمیق↔ compare
- تقسیمبندی نمونهای با نظارت ضعیفیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →