Zwakke gesuperviseerde semantische segmentatie
Zwakke gesuperviseerde semantische segmentatie (WSSS) traint pixel-niveau scèneparsers met enkel goedkope, grove annotaties — typisch klasse-labels op afbeeldingsniveau — in plaats van kostbare, dichte pixelmaskers. Door proxy pseudo-labels te genereren vanuit een classificatienetwerk (via Class Activation Maps of vergelijkbare lokalisatie-aanwijzingen) en deze iteratief te verfijnen, brengt WSSS de nauwkeurigheid van volledige supervisie binnen bereik tegen een fractie van de 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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/nl/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.
- ObjectdetectieDeep learning↔ compare
- Zelf-gesuperviseerd LerenMachine learning↔ compare
- Semantische segmentatieDeep learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →