Семантическая сегментация с частичной разметкой
Полуавтоматическая семантическая сегментация обучает модели для разметки на уровне пикселей, используя небольшое количество полностью размеченных изображений в сочетании с гораздо большим набором неразмеченных изображений. Такие методы, как псевдо-разметка и регуляризация согласованности, извлекают обучающий сигнал из неразмеченных данных, что позволяет достичь точности, близкой к полностью контролируемому обучению, при незначительных 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
- Ouali, Y., Hudelot, C., & Tami, M. (2020). Semi-Supervised Semantic Segmentation with Cross-Consistency Training. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12674–12684. DOI: 10.1109/CVPR42600.2020.01269 ↗
- Zou, Y., Zhang, Z., Zhang, H., Li, C.-L., Bian, X., Huang, J.-B., & Pfister, T. (2020). PseudoSeg: Designing Pseudo Labels for Semantic Segmentation. International Conference on Learning Representations (ICLR 2021). link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Semantic Segmentation (Pseudo-label and Consistency-based). ScholarGate. https://scholargate.app/ru/deep-learning/semi-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
- Самообучающаяся семантическая сегментацияГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
- Полу-контролируемая свёрточная нейронная сетьГлубокое обучение↔ compare
- Слабо контролируемая семантическая сегментацияГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →