ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Semantisk segmentering

Semantisk segmentering tilldelar en klassetikett till varje pixel i en bild, vilket producerar en tät, kategorianoterad karta över scenen. Till skillnad från objektdetektering, som ritar avgränsningsramar, avgränsar den den exakta rumsliga utbredningen av varje klass, vilket gör den oumbärlig inom medicinsk bildbehandling, autonom körning, satellitananalys och alla uppgifter där exakta regionsgränser är viktiga.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Källor

  1. Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3431–3440. DOI: 10.1109/CVPR.2015.7298965
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Semantic Segmentation (Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/sv/deep-learning/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.

Compare side by side

Refereras av

ScholarGateSemantic Segmentation (Semantic Segmentation (Dense Pixel-wise Classification)). Hämtad 2026-06-15 från https://scholargate.app/sv/deep-learning/semantic-segmentation · Datamängd: https://doi.org/10.5281/zenodo.20539026