Multimodal semantisk segmentering
Multimodal semantisk segmentering tilldelar en semantisk klassetikett till varje pixel i en scen genom att slå samman information från två eller flera sensormodaliteter – oftast RGB-bilder parat med djupkartor (RGB-D), LiDAR-punktmoln, värmekameror eller textbeskrivningar. Djupa kodar-avkodar-nätverk lär sig att anpassa och slå samman kompletterande ledtrådar från varje modalitet, vilket ger tätare och mer exakt segmentering än någon enskild modalitetsansats.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Hazirbas, C., Ma, L., Domokos, C., & Cremers, D. (2016). FuseNet: Incorporating Depth into Semantic Segmentation via Fusion-based CNN Architecture. In Proceedings of the Asian Conference on Computer Vision (ACCV). Springer. link ↗
- Zhang, J., Liu, H., Yang, K., Hu, X., Liu, R., & Stiefelhagen, R. (2023). CMX: Cross-Modal Fusion for RGB-X Semantic Segmentation with Transformers. IEEE Transactions on Intelligent Transportation Systems, 24(12), 14801–14813. DOI: 10.1109/TITS.2023.3300537 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multimodal Semantic Segmentation (Multi-Sensor Pixel-Level Scene Understanding). ScholarGate. https://scholargate.app/sv/deep-learning/multimodal-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.
- InstanssegmenteringDjupinlärning↔ compare
- Semantisk segmenteringDjupinlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →