تقسیمبندی معنایی نیمهنظارتی
تقسیمبندی معنایی نیمهنظارتی، مدلهای برچسبگذاری در سطح پیکسل را با استفاده از مجموعه کوچکی از تصاویر کاملاً برچسبگذاری شده در ترکیب با مجموعه بسیار بزرگتری از تصاویر بدون برچسب آموزش میدهد. تکنیکهایی مانند برچسبزنی کاذب (pseudo-labeling) و تنظیم سازگاری (consistency regularization) سیگنال نظارتی را از دادههای بدون برچسب استخراج میکنند و دستیابی به دقت نزدیک به نظارت کامل را با کسری از هزینه حاشیهنویسی ممکن میسازند.
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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/fa/deep-learning/semi-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
- تقسیمبندی معنایی خودنظارتی (Self-supervised Semantic Segmentation)یادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی نیمهنظارتشدهیادگیری عمیق↔ compare
- تقطیع معنایی تحت نظارت ضعیفیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →