Segmentation sémantique
La segmentation sémantique attribue une étiquette de classe à chaque pixel d'une image, produisant une carte dense et annotée par catégorie de la scène. Contrairement à la détection d'objets, qui dessine des boîtes englobantes, elle délimite l'étendue spatiale exacte de chaque classe, la rendant indispensable en imagerie médicale, conduite autonome, analyse satellitaire et toute tâche où les contours précis des régions sont importants.
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.
+15 more
Sources
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 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). Semantic Segmentation (Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/fr/deep-learning/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.
- Segmentation sémantique fine-tunéeApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Segmentation d'instancesApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →