Svag övervakad semantisk segmentering
Svag övervakad semantisk segmentering (WSSS) tränar pixel-nivå scenparser med endast billiga, grova annoteringar — typiskt bildnivåklassificeringar — istället för kostsamma täta pixeltäckningar. Genom att generera proxy-pseudomärkningar från ett klassificeringsnätverk (via Class Activation Maps eller liknande lokaliseringsledtrådar) och iterativt förfina dem, för WSSS fullständig övervakningsnoggrannhet inom räckhåll till en bråkdel av annoteringskostnaden.
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
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning Deep Features for Discriminative Localization. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Ahn, J., & Kwak, S. (2018). Learning Pixel-Wise Semantic Affinity with Image-Level Supervision. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4109–4118. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/sv/deep-learning/weakly-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.
- ObjektdetekteringDjupinlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semantisk segmenteringDjupinlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →