Segmentazione semantica auto-supervisionata
La segmentazione semantica auto-supervisionata impara ad assegnare un'etichetta di classe a ogni pixel di un'immagine senza fare affidamento su maschere di segmentazione annotate manualmente. Una rete backbone viene prima addestrata su grandi quantità di immagini non etichettate utilizzando obiettivi auto-supervisionati come l'apprendimento contrastivo o la modellazione di immagini mascherate, e le caratteristiche dense risultanti vengono quindi utilizzate per partizionare e etichettare le regioni dell'immagine, ottenendo una qualità di segmentazione competitiva a una frazione del costo di annotazione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/it/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.
- Segmentazione di istanzaApprendimento profondo↔ compare
- Rete Neurale Convoluzionale Auto-SupervisionataApprendimento profondo↔ compare
- Vision Transformer Auto-supervisionatoApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →