Segmentação de Instâncias Auto-supervisionada
A segmentação de instâncias auto-supervisionada aprende a detectar e delinear instâncias individuais de objetos em imagens sem quaisquer máscaras ou caixas delimitadoras anotadas por humanos. Em vez de depender de rótulos de nível de pixel caros, ela explora o pré-treinamento auto-supervisionado, a consistência multi-visão e a geração de pseudo-rótulos para descobrir e segmentar objetos puramente a partir de dados brutos de imagem.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Wang, X., Zhu, Z., Cao, G., Yao, Z., Jiang, Z., & Ye, J. (2022). FreeSOLO: Learning to Segment Objects without Annotations. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 14176–14186. link ↗
- Caron, M., Touvron, H., Misra, I., Jégou, 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Instance Segmentation (Label-free Object Mask Learning). ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-instance-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.
- Segmentação de InstânciaAprendizado profundo↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →