Segmentazione Semantica Debolmente Supervisionata
La Segmentazione Semantica Debolmente Supervisionata (WSSS) addestra parser di scene a livello di pixel utilizzando solo annotazioni economiche e grossolane — tipicamente etichette di classe a livello di immagine — invece di costose maschere di pixel dense. Generando pseudo-etichette proxy da una rete di classificazione (tramite Class Activation Maps o indizi di localizzazione simili) e raffinandole iterativamente, la WSSS porta l'accuratezza della supervisione completa a portata di mano 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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/it/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.
- Rilevamento di oggettiApprendimento profondo↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →