Svake-veiledet semantisk segmentering
Svake-veiledet semantisk segmentering (WSSS) trener piksel-nivå scene-parsere ved kun å bruke billige, grove annotasjoner – typisk klasse-tagger på bild-nivå – i stedet for kostbare, tette piksel-masker. Ved å generere proxy pseudo-etiketter fra et klassifikasjonsnettverk (via Class Activation Maps eller lignende lokaliseringssignaler) og iterativt forbedre dem, bringer WSSS full-veiledningsnøyaktighet innen rekkevidde til en brøkdel av annotasjonskostnaden.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/no/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.
- ObjektdeteksjonDyp læring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →