Segmentasi Semantik Mandiri
Segmentasi semantik mandiri belajar untuk menetapkan label kelas ke setiap piksel dalam sebuah gambar tanpa bergantung pada masker segmentasi yang dianotasi secara manual. Jaringan tulang punggung (backbone network) pertama-tama dilatih pada sejumlah besar gambar tak berlabel menggunakan tujuan mandiri seperti pembelajaran kontrastif atau pemodelan gambar bertopeng (masked image modeling), dan fitur padat yang dihasilkan kemudian digunakan untuk mempartisi dan memberi label pada wilayah gambar, sehingga mencapai kualitas segmentasi yang kompetitif dengan biaya anotasi yang jauh lebih rendah.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/id/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.
- Segmentasi InstansPembelajaran Mendalam↔ compare
- Jaringan Saraf Konvolusional SwadayaPembelajaran Mendalam↔ compare
- Vision Transformer Pengawasan MandiriPembelajaran Mendalam↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →