Machine learningDeep learning / NLP / CV
弱教師あり意味セグメンテーション
弱教師あり意味セグメンテーション（WSSS）は、高価なピクセル単位のマスクではなく、画像レベルのクラスタグのような安価で粗いアノテーションのみを使用して、ピクセルレベルのシーンパーサーをトレーニングします。分類ネットワーク（クラス活性化マップまたは類似の局在化キューを介して）からプロキシ疑似ラベルを生成し、それらを反復的に改良することにより、WSSSはアノテーションコストのごく一部で完全教師ありの精度を達成可能にします。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →