Samoučenje semantičke segmentacije
Samoučenje semantičke segmentacije uči dodjeljivati oznaku klase svakom pikselu slike bez oslanjanja na ručno označene maske za segmentaciju. Mreža oslonac (backbone network) prvo se trenira na velikim količinama neoznačenih slika koristeći samoučeće ciljeve poput kontrastivnog učenja ili modeliranja maskiranih slika, a rezultirajuće guste značajke potom se koriste za particioniranje i označavanje područja slike, postižući konkurentnu kvalitetu segmentacije uz djelić troškova anotiranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/hr/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.
- Instance SegmentationDuboko učenje↔ compare
- Konvolucijska neuronska mreža sa samostalnim nadzoromDuboko učenje↔ compare
- Samonadzorovani Vision TransformerDuboko učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →