Segmentasi Semantik yang Diawasi Secara Lemah
Segmentasi Semantik yang Diawasi Secara Lemah (WSSS) melatih pengurai adegan tingkat piksel hanya dengan anotasi yang murah dan kasar — biasanya tag kelas tingkat gambar — alih-alih masker piksel padat yang mahal. Dengan menghasilkan label semu proksi dari jaringan klasifikasi (melalui Peta Aktivasi Kelas atau isyarat lokalisasi serupa) dan menyempurnakannya secara iteratif, WSSS membawa akurasi pengawasan penuh dalam jangkauan 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
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/id/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.
- Deteksi ObjekPembelajaran Mendalam↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →