Samonadzorowana segmentacja semantyczna
Samonadzorowana segmentacja semantyczna uczy się przypisywać etykietę klasy każdemu pikselowi obrazu bez polegania na ręcznie anotowanych maskach segmentacji. Sieć szkieletowa jest najpierw trenowana na dużych ilościach nieetykietowanych obrazów przy użyciu celów samonadzorowanych, takich jak uczenie kontrastywne lub modelowanie maskowanych obrazów, a powstałe gęste cechy są następnie wykorzystywane do podziału i etykietowania regionów obrazu, osiągając konkurencyjną jakość segmentacji przy ułamku kosztów anotacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
- Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/pl/deep-learning/self-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.
- Segmentacja instancjiUczenie głębokie↔ compare
- Samo-nadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Samonadzorowane Vision TransformerUczenie głębokie↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →