การแบ่งส่วนความหมายแบบปรับละเอียด
การแบ่งส่วนความหมายแบบปรับละเอียด (Fine-tuned semantic segmentation) เป็นการปรับโมเดลโครงข่ายประสาทเทียมเชิงลึกที่ได้รับการฝึกสอนล่วงหน้า (pre-trained) บนชุดข้อมูลขนาดใหญ่ที่มีการกำกับป้ายกำกับระดับพิกเซล (เช่น โครงสร้างพื้นฐานที่ฝึกสอนล่วงหน้าบน ImageNet พร้อมส่วนหัวแบบเข้ารหัส-ถอดรหัส (encoder-decoder head) ที่ฝึกสอนบน COCO หรือ Cityscapes) ให้เข้ากับโดเมนเป้าหมายใหม่ โดยการฝึกสอนต่อไปบนรูปภาพที่มีการกำกับข้อมูลเฉพาะของโดเมนนั้น ผลลัพธ์ที่ได้คือโมเดลที่สามารถกำหนดป้ายกำกับคลาสให้กับทุกพิกเซลในรูปภาพ โดยใช้ประโยชน์จากการแสดงภาพ (visual representations) ที่เรียนรู้จากข้อมูลจำนวนมหาศาล ซึ่งมากกว่าที่โดเมนเป้าหมายเพียงอย่างเดียวจะสามารถให้ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Long, J., Shelhamer, E., & Darrell, T. (2015). Fully convolutional networks for semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3431–3440. DOI: 10.1109/CVPR.2015.7298965 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Fine-Tuned Semantic Segmentation (Transfer Learning for Dense Pixel-wise Classification). ScholarGate. https://scholargate.app/th/deep-learning/fine-tuned-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.
- Fine-Tuned Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์ที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare