Polunadzorirana semantička segmentacija
Polunadzorirana semantička segmentacija obučava modele za etiketiranje na razini piksela koristeći mali skup potpuno označenih slika u kombinaciji s mnogo većim skupom neoznačenih slika. Tehnike poput pseudo-etiketiranja i regularizacije dosljednosti izvlače nadzorni signal iz neoznačenih podataka, omogućujući postizanje gotovo potpuno nadzirane točnosti uz djelić troškova anotacije.
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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/hr/deep-learning/semi-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
- Samoučenje semantičke segmentacijeDuboko učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
- Polu-nadzirana konvolucijska neuronska mrežaDuboko učenje↔ compare
- Slabo nadzirana semantička segmentacijaDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →