Semi-gesuperviseerde Instantiesegmentatie
Semi-gesuperviseerde instantiesegmentatie traint een model om elke objectinstantie in een afbeelding te detecteren en af te bakenen met behulp van een kleine gelabelde set en een grote ongeannoteerde afbeeldingscorpus. Door pseudo-labels te genereren uit betrouwbare voorspellingen op ongeannoteerde afbeeldingen en consistentie te handhaven onder augmentatie, bereikt de aanpak een concurrerende maskerprecisie tegen een fractie van de volledige annotatiekosten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Hu, H., Wei, P., Zheng, H., Bai, X., Wei, Y., & Chen, Y. (2021). Semi-supervised Semantic Segmentation via Adaptive Equalization Learning. Advances in Neural Information Processing Systems (NeurIPS), 34, 22106–22118. link ↗
- Xu, M., Zhang, Z., Wei, F., Hu, H., Bai, X., & Jiang, Y.-G. (2021). End-to-End Semi-Supervised Object Detection with Soft Teacher. IEEE/CVF International Conference on Computer Vision (ICCV), 3060–3069. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Instance Segmentation. ScholarGate. https://scholargate.app/nl/deep-learning/semi-supervised-instance-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.
- InstantiesegmentatieDeep learning↔ compare
- Zelf-gesuperviseerde Vision TransformerDeep learning↔ compare
- Semantische segmentatieDeep learning↔ compare
- Semi-supervised Convolutional Neural NetworkDeep learning↔ compare
- Semi-supervised Object DetectionDeep learning↔ compare
- Zwak gesuperviseerde instantiesegmentatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →