Seminadzorowana segmentacja semantyczna
Seminadzorowana segmentacja semantyczna szkoli modele etykietowania na poziomie pikseli, wykorzystując mały zbiór w pełni oznakowanych obrazów w połączeniu ze znacznie większym zbiorem obrazów nieoznakowanych. Techniki takie jak pseudoetykietowanie i regularyzacja spójności (consistency regularization) wydobywają sygnał nadzorujący z danych nieoznakowanych, co umożliwia osiągnięcie dokładności zbliżonej do tej uzyskiwanej przy pełnym nadzorze, lecz przy ułamku kosztów adnotacji.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/pl/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.
- Segmentacja instancjiUczenie głębokie↔ compare
- Samonadzorowana segmentacja semantycznaUczenie głębokie↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
- Półnadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Słabo nadzorowana segmentacja semantycznaUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →