Самообучающаяся семантическая сегментация
Самообучающаяся семантическая сегментация учится присваивать метку класса каждому пикселю изображения без использования вручную аннотированных масок сегментации. Базовая сеть сначала обучается на больших объемах неразмеченных изображений с использованием самообучающихся целей, таких как контрастное обучение или моделирование маскированных изображений, а затем полученные плотные признаки используются для разделения и маркировки областей изображения, достигая конкурентоспособного качества сегментации при значительно меньших затратах на аннотацию.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/ru/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.
- Сегментация экземпляровГлубокое обучение↔ compare
- Self-supervised convolutional neural networkГлубокое обучение↔ compare
- Самообучающийся Vision TransformerГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →