Segmentation sémantique fine-tunée
La segmentation sémantique fine-tunée adapte un réseau neuronal profond pré-entraîné sur un grand jeu de données labellisé au niveau du pixel (par exemple, un backbone pré-entraîné sur ImageNet avec une tête encodeur-décodeur entraînée sur COCO ou Cityscapes) à un nouveau domaine cible en poursuivant l'entraînement sur des images annotées spécifiques au domaine. Le résultat est un modèle qui attribue une étiquette de classe à chaque pixel d'une image, tout en exploitant les riches représentations visuelles apprises à partir de données beaucoup plus vastes que ce que le domaine cible seul pourrait fournir.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/fr/deep-learning/fine-tuned-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.
- Réseau neuronal convolutif affinéApprentissage profond↔ compare
- Transformeur Vision AjustéApprentissage profond↔ compare
- Segmentation d'instancesApprentissage profond↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →