Segmentasi Semantik Berbantukan Kelemahan
Segmentasi Semantik Berbantukan Kelemahan (WSSS) melatih penentu pemandangan peringkat piksel menggunakan anotasi murah dan kasar sahaja — biasanya tag kelas peringkat imej — berbanding topeng piksel padat yang mahal. Dengan menjana label pseudo proksi daripada rangkaian pengelasan (melalui Peta Pengaktifan Kelas atau petunjuk lokalisasi serupa) dan memperhalusnya secara berulang, WSSS membawa ketepatan pengawasan penuh dalam jangkauan pada sebahagian kecil kos anotasi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/ms/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.
- Pengesanan ObjekPembelajaran Mendalam↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →