Precīzi pielāgota semantiskā segmentācija
Precīzi pielāgota semantiskā segmentācija adaptē dziļu neironu tīklu, kas iepriekš apmācīts uz lielas pikseļu marķētas datu kopas (piemēram, ImageNet iepriekš apmācīts pamattīkls ar kodētāja-dekodētāja galvu, kas apmācīta uz COCO vai Cityscapes), jaunai mērķa domēnai, turpinot apmācību uz domēnai specifiskiem anotētiem attēliem. Rezultāts ir modelis, kas katram attēla pikselim piešķir klases marķējumu, vienlaikus izmantojot bagātīgas vizuālās reprezentācijas, kas iegūtas no ievērojami lielāka datu apjoma, nekā to varētu nodrošināt tikai mērķa domēna dati.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/lv/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.
- Fine-Tuned konvolucionālais neironu tīklsDziļā mācīšanās↔ compare
- Pielāgotais Vision TransformerDziļā mācīšanās↔ compare
- Instance segmentācijaDziļā mācīšanās↔ compare
- Semantiskā segmentācijaDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →