Segmentare semantică fin-reglată
Segmentarea semantică fin-reglată adaptează o rețea neuronală profundă pre-antrenată pe un set mare de date etichetate la nivel de pixel (de exemplu, un backbone pre-antrenat pe ImageNet cu un cap encoder-decoder antrenat pe COCO sau Cityscapes) la un nou domeniu țintă prin continuarea antrenamentului pe imagini adnotate specifice domeniului. Rezultatul este un model care atribuie o etichetă de clasă fiecărui pixel dintr-o imagine, valorificând în același timp reprezentări vizuale bogate învățate din date mult mai numeroase decât ar putea oferi singur domeniul țintă.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- Chen, L.-C., Papandreou, G., Kokkinos, I., Murphy, K., & Yuille, A. L. (2018). DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(4), 834–848. DOI: 10.1109/TPAMI.2017.2699184 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/ro/deep-learning/fine-tuned-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.
- Rețea neuronală convoluțională (CNN) ajustată fin (Fine-Tuned)Învățare profundă↔ compare
- Vision Transformer (ViT) fin-tunatÎnvățare profundă↔ compare
- Segmentare de instanțăÎnvățare profundă↔ compare
- Segmentare semanticăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →