Machine learningDeep learning / NLP / CV

약한 지도 의미론적 분할

약한 지도 의미론적 분할(WSSS)은 비용이 많이 드는 픽셀 단위 마스크 대신, 일반적으로 이미지 수준의 클래스 태그와 같은 저렴하고 거친 주석만을 사용하여 픽셀 수준의 장면 파서를 훈련합니다. 분류 네트워크(활성화 맵 또는 유사한 국소화 단서 사용)에서 프록시 의사 레이블을 생성하고 이를 반복적으로 개선함으로써, WSSS는 주석 비용의 일부만으로 완전 지도 정확도에 근접합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

약한 지도 의미론적 분할

객체 탐지 자기 지도 학습 Semantic segmentation 준지도 학습 준지도 학습 의미론적 분할 약한 지도 확산 모델 약지도 인스턴스 분할

출처

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 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/ko/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 →

이 방법을 참조하는 항목

준지도 학습 의미론적 분할 약한 지도 확산 모델 약지도 인스턴스 분할

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →