Semiveiledet semantisk segmentering
Semiveiledet semantisk segmentering trener modeller for pikselnivåmerking ved å bruke et lite sett med fullt merkede bilder kombinert med et mye større sett med umerkede bilder. Teknikker som pseudo-merking og konsistensregularisering trekker ut veiledende signal fra umerkede data, noe som gjør det mulig å oppnå nesten fullt veiledet nøyaktighet til en brøkdel av annoteringskostnaden.
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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/no/deep-learning/semi-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.
- InstanssegmenteringDyp læring↔ compare
- Selvovervåket semantisk segmenteringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Semi-veiled konvolusjonelt nevralt nettverkDyp læring↔ compare
- Svake-veiledet semantisk segmenteringDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →