Segmentation d'instances auto-supervisée
La segmentation d'instances auto-supervisée apprend à détecter et à délimiter des instances d'objets individuelles dans des images sans aucun masque ou boîte englobante annoté par l'homme. Au lieu de s'appuyer sur des étiquettes coûteuses au niveau du pixel, elle exploite le pré-entraînement auto-supervisé, la cohérence multi-vues et la génération de pseudo-étiquettes pour découvrir et segmenter des objets purement à partir de données d'images brutes.
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
- Wang, X., Zhu, Z., Cao, G., Yao, Z., Jiang, Z., & Ye, J. (2022). FreeSOLO: Learning to Segment Objects without Annotations. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 14176–14186. link ↗
- Caron, M., Touvron, H., Misra, I., Jégou, 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Instance Segmentation (Label-free Object Mask Learning). ScholarGate. https://scholargate.app/fr/deep-learning/self-supervised-instance-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.
- Segmentation d'instancesApprentissage profond↔ compare
- Apprentissage auto-superviséApprentissage automatique↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →