Vāji uzraudzīta semantiskā segmentācija
Vāji uzraudzīta semantiskā segmentācija (WSSS) apmāca pikseļu līmeņa ainu analizatorus, izmantojot tikai lētas, aptuvenas anotācijas — parasti attēlu līmeņa klases tagus — nevis dārgus blīvus pikseļu maskas. Izveidojot starpposma pseido-etiķetes no klasifikācijas tīkla (izmantojot aktivācijas karšu klases vai līdzīgus lokalizācijas norādījumus) un iteratīvi tās pilnveidojot, WSSS nodrošina pilnas uzraudzības precizitāti par nelielu anotācijas izmaksu.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/lv/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.
- Objektu noteikšanaDziļā mācīšanās↔ compare
- Pašuzraudzības apmācībaMašīnmācīšanās↔ compare
- Semantiskā segmentācijaDziļā mācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →