Machine learningDeep learning / NLP / CV
Semi-supervised Semantic Segmentation
Semi-supervised semantic segmentationは、少数の完全にラベル付けされた画像と、それよりもはるかに多いラベルなし画像を用いて、ピクセルレベルのラベリングモデルを訓練する手法である。擬似ラベリングや一貫性正則化などの技術は、ラベルなしデータから教師信号を抽出することで、注釈コストのごく一部でほぼ完全な教師あり学習と同等の精度を達成することを可能にする。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/ja/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.
- インスタンスセグメンテーション深層学習↔ compare
- 自己教師あり意味セグメンテーション深層学習↔ compare
- セマンティックセグメンテーション深層学習↔ compare
- 半教師あり畳み込みニューラルネットワーク深層学習↔ compare
- 弱教師あり意味セグメンテーション深層学習↔ compare