Machine learningDeep learning / NLP / CV
미세 조정된 의미론적 분할
미세 조정된 의미론적 분할은 대규모 픽셀 레이블 데이터셋(예: ImageNet 사전 훈련된 백본에 COCO 또는 Cityscapes에서 훈련된 인코더-디코더 헤드)으로 사전 훈련된 심층 신경망을 대상 도메인의 주석이 달린 이미지에 대한 훈련을 계속함으로써 새로운 대상 도메인에 적응시킵니다. 그 결과는 대상 도메인만으로는 제공할 수 있는 것보다 훨씬 더 많은 데이터로부터 학습된 풍부한 시각적 표현을 활용하면서 이미지의 모든 픽셀에 클래스 레이블을 할당하는 모델입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/ko/deep-learning/fine-tuned-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.
- 미세 조정된 합성곱 신경망딥러닝↔ compare
- 미세 조정된 비전 트랜스포머딥러닝↔ compare
- 인스턴스 분할딥러닝↔ compare
- Semantic segmentation딥러닝↔ compare