Segmentação Semântica Fracamente Supervisionada
A Segmentação Semântica Fracamente Supervisionada (WSSS) treina analisadores de cena em nível de pixel usando apenas anotações baratas e grosseiras — tipicamente tags de classe em nível de imagem — em vez de máscaras densas de pixel, que são caras. Ao gerar pseudo-rótulos proxy a partir de uma rede de classificação (via Mapas de Ativação de Classe ou pistas de localização semelhantes) e refiná-los iterativamente, a WSSS alcança a precisão da supervisão completa com uma fração do custo de anotação.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/pt/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.
- Detecção de ObjetosAprendizado profundo↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →