Segmentazione semantica semi-supervisionata
La segmentazione semantica semi-supervisionata addestra modelli di etichettatura a livello di pixel utilizzando un piccolo set di immagini completamente etichettate, combinate con un set molto più ampio di immagini non etichettate. Tecniche come lo pseudo-labeling e la regolarizzazione di consistenza estraggono segnali di supervisione dai dati non etichettati, rendendo possibile raggiungere un'accuratezza quasi pari a quella della supervisione completa con 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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/it/deep-learning/semi-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
- Segmentazione semantica auto-supervisionataApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Reti neurali convoluzionali semi-supervisionateApprendimento profondo↔ compare
- Segmentazione Semantica Debolmente SupervisionataApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →