Heikosti valvottu semanttinen segmentointi
Heikosti valvottu semanttinen segmentointi (WSSS) kouluttaa pikselitason kohteen tunnistusmalleja käyttäen vain edullisia, karkeita annotaatioita – tyypillisesti kuvan tason luokkatunnisteita – kalliiden, tiheiden pikselimaskien sijaan. Generoimalla välivaiheen pseudotunnisteita luokitteluverkon avulla (Class Activation Maps -karttojen tai vastaavien paikannusvihjeiden kautta) ja jalostamalla niitä iteratiivisesti, WSSS tuo täysin ohjatun tarkkuuden ulottuville 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
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning Deep Features for Discriminative Localization. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Ahn, J., & Kwak, S. (2018). Learning Pixel-Wise Semantic Affinity with Image-Level Supervision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4109–4118. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/fi/deep-learning/weakly-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.
- KohdetunnistusSyväoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Semanttinen segmentointiSyväoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →