Puoliohjattu semanttinen segmentointi
Puoliohjattu semanttinen segmentointi kouluttaa pikselitason luokittelumalleja käyttäen pientä joukkoa täysin annotoituja kuvia yhdistettynä paljon suurempaan joukkoon annotoimattomia kuvia. Tekniikat, kuten pseudoluokittelu (pseudo-labeling) ja konsistenssin regularisointi (consistency regularization), poimivat ohjaussignaalia annotoimattomasta datasta, mikä mahdollistaa lähes täysin ohjatun tarkkuuden saavuttamisen 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
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/fi/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.
- EsiintymäsegmentointiSyväoppiminen↔ compare
- Itseohjautuva semanttinen segmentointiSyväoppiminen↔ compare
- Semanttinen segmentointiSyväoppiminen↔ compare
- Puolivalvottu konvoluutioneuroverkkoSyväoppiminen↔ compare
- Heikosti valvottu semanttinen segmentointiSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →