Machine learningDeep learning / NLP / CV

स्व-पर्यवेक्षित सिमेंटिक सेगमेंटेशन (Self-supervised Semantic Segmentation)

स्व-पर्यवेक्षित सिमेंटिक सेगमेंटेशन, मैन्युअल रूप से एनोटेट किए गए सेगमेंटेशन मास्क पर निर्भर हुए बिना, छवि के प्रत्येक पिक्सेल को एक वर्ग लेबल निर्दिष्ट करना सीखता है। एक बैकबोन नेटवर्क को पहले बड़े पैमाने पर बिना लेबल वाली छवियों पर स्व-पर्यवेक्षित उद्देश्यों जैसे कंट्रास्टिव लर्निंग या मास्क्ड इमेज मॉडलिंग का उपयोग करके प्रशिक्षित किया जाता है, और परिणामी सघन विशेषताओं (dense features) का उपयोग फिर छवि क्षेत्रों को विभाजित करने और लेबल करने के लिए किया जाता है, जिससे एनोटेशन लागत के एक अंश पर प्रतिस्पर्धी सेगमेंटेशन गुणवत्ता प्राप्त होती है।

MethodMind में खोलेंजल्द हीवीडियोजल्द हीDownload slides

पूरी विधि पढ़ें

केवल सदस्यों के लिए

यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।

साइन इन करें

Method map

The neighbourhood of related methods — select a node to explore.

स्रोत

  1. Caron, M., Touvron, H., Misra, I., Jegou, 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
  2. Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link

इस पृष्ठ का उद्धरण कैसे दें

ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/hi/deep-learning/self-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.

Compare side by side

इनमें संदर्भित

ScholarGateSelf-supervised Semantic Segmentation (Self-supervised Learning for Semantic Segmentation). 2026-06-15 को यहाँ से प्राप्त https://scholargate.app/hi/deep-learning/self-supervised-semantic-segmentation · डेटासेट: https://doi.org/10.5281/zenodo.20539026