Itseohjautuva semanttinen segmentointi
Itseohjautuva semanttinen segmentointi oppii kohdistamaan luokkamerkinnän jokaiseen kuvan pikseliin ilman manuaalisesti annotoituja segmentointimaskeja. Taustaverkko koulutetaan ensin suurilla määriä merkitsemättömiä kuvia käyttäen itseohjautuvia tavoitteita, kuten kontrastista oppimista tai maskattua kuvamallinnusta, ja tuloksena saadut tiheät piirteet käytetään sitten kuva-alueiden jakamiseen ja merkitsemiseen, saavuttaen kilpailukykyisen segmentointilaadun murto-osalla annotointikustannuksista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/fi/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.
- EsiintymäsegmentointiSyväoppiminen↔ compare
- Itseohjautuva konvoluutioneuronaaliverkkoSyväoppiminen↔ compare
- Itseohjautuva Vision TransformerSyväoppiminen↔ compare
- Semanttinen segmentointiSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →