Finjustert semantisk segmentering
Finjustert semantisk segmentering tilpasser et dypt nevralt nettverk forhåndstrent på et stort piksel-merket datasett (f.eks. ImageNet-forhåndstrent ryggrad med et enkodere-dekoder-hode trent på COCO eller Cityscapes) til et nytt måldomene ved å fortsette treningen på domenespesifikke annoterte bilder. Resultatet er en modell som tildeler en klasselabel til hver piksel i et bilde, samtidig som den utnytter rike visuelle representasjoner lært fra langt mer data enn måldomenet alene kunne tilby.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/no/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.
- Finetunet konvolusjonelt nevralt nettverkDyp læring↔ compare
- Finjustert Vision TransformerDyp læring↔ compare
- InstanssegmenteringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →