Slabo nadzirana semantička segmentacija
Slabo nadzirana semantička segmentacija (WSSS) obučava analizatore scena na razini piksela koristeći samo jeftine, grube anotacije — tipično oznake klase na razini slike — umjesto skupih gustih maski piksela. Generiranjem zamjenskih pseudo-oznaka iz klasifikacijske mreže (putem mapa aktivacije klase ili sličnih pokazatelja lokalizacije) i njihovim iterativnim pročišćavanjem, WSSS približava točnost potpune supervizije po djeliću troška 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
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning Deep Features for Discriminative Localization. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Ahn, J., & Kwak, S. (2018). Learning Pixel-Wise Semantic Affinity with Image-Level Supervision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4109–4118. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/hr/deep-learning/weakly-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.
- Detekcija objekataDuboko učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Semantička segmentacijaDuboko učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →