Machine learningDeep learning / NLP / CV
自己教師あり意味セグメンテーション
自己教師あり意味セグメンテーションは、手動で注釈付けされたセグメンテーションマスクに依存することなく、画像のすべてのピクセルにクラスラベルを割り当てることを学習します。まず、コントラスティブ学習やマスクド画像モデリングなどの自己教師あり目的を使用して、大量のラベルなし画像でバックボーンネットワークをトレーニングし、得られた密な特徴を使用して画像領域をパーティション化およびラベル付けすることで、注釈コストのごく一部で競争力のあるセグメンテーション品質を実現します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/ja/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.
- インスタンスセグメンテーション深層学習↔ compare
- 自己教師あり畳み込みニューラルネットワーク深層学習↔ compare
- Self-supervised Vision Transformer深層学習↔ compare
- セマンティックセグメンテーション深層学習↔ compare
- ビジョントランスフォーマー深層学習↔ compare