Segmentare semantică auto-supervizată
Segmentarea semantică auto-supervizată învață să atribuie o etichetă de clasă fiecărui pixel al unei imagini, fără a se baza pe măști de segmentare anotate manual. Mai întâi, o rețea de bază (backbone) este antrenată pe cantități mari de imagini neetichetate, utilizând obiective auto-supervizate precum învățarea contrastivă sau modelarea imaginii mascate, iar caracteristicile dense rezultate sunt apoi folosite pentru a partiționa și eticheta regiunile imaginii, obținând o calitate de segmentare competitivă la o fracțiune din costul de anotare.
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
- Caron, M., Touvron, H., Misra, I., Jegou, 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 ↗
- Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/ro/deep-learning/self-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.
- Segmentare de instanțăÎnvățare profundă↔ compare
- Rețea neuronală convoluțională auto-supervizatăÎnvățare profundă↔ compare
- Vision Transformer auto-supervizatÎnvățare profundă↔ compare
- Segmentare semanticăÎnvățare profundă↔ compare
- Vision TransformerÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →