Segmentasi Semantik yang Disesuaikan (Fine-Tuned)
Segmentasi semantik yang disesuaikan mengadaptasi jaringan saraf dalam yang telah dilatih sebelumnya pada kumpulan data berlabel piksel besar (misalnya, tulang punggung yang dilatih sebelumnya di ImageNet dengan kepala encoder-decoder yang dilatih pada COCO atau Cityscapes) ke domain target baru dengan melanjutkan pelatihan pada gambar yang dianotasi khusus domain. Hasilnya adalah model yang menetapkan label kelas ke setiap piksel dalam gambar sambil memanfaatkan representasi visual kaya yang dipelajari dari data yang jauh lebih banyak daripada yang dapat disediakan oleh domain target saja.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/id/deep-learning/fine-tuned-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.
- Jaringan Saraf Konvolusional yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Vision Transformer yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Segmentasi InstansPembelajaran Mendalam↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →