Słabo nadzorowana segmentacja semantyczna
Słabo nadzorowana segmentacja semantyczna (WSSS) trenuje pikselowe parsery scen przy użyciu jedynie tanich, zgrubnych adnotacji — zazwyczaj etykiet klas na poziomie obrazu — zamiast kosztownych, gęstych masek pikselowych. Generując zastępcze etykiety pseudo z sieci klasyfikacyjnej (za pomocą map aktywacji klas lub podobnych wskazówek lokalizacyjnych) i iteracyjnie je udoskonalając, WSSS przybliża dokładność pełnego nadzoru 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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/pl/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.
- Detekcja obiektówUczenie głębokie↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →