การแบ่งส่วนเชิงความหมายแบบมีผู้สอนแบบอ่อน
การแบ่งส่วนเชิงความหมายแบบมีผู้สอนแบบอ่อน (WSSS) ฝึกโมเดลวิเคราะห์ฉากระดับพิกเซลโดยใช้เพียงคำอธิบายประกอบที่ง่ายและหยาบ ซึ่งโดยทั่วไปคือแท็กคลาสระดับรูปภาพ แทนที่จะเป็นหน้ากากพิกเซลแบบหนาแน่นที่มีราคาแพง ด้วยการสร้างป้ายกำกับเสมือนจากเครือข่ายการจำแนกประเภท (ผ่านแผนที่การกระตุ้นคลาสหรือสัญญาณระบุตำแหน่งที่คล้ายกัน) และการปรับปรุงอย่างซ้ำๆ WSSS ทำให้ความแม่นยำแบบเต็มผู้สอนสามารถเข้าถึงได้ในราคาเพียงเศษเสี้ยวของต้นทุนคำอธิบายประกอบ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Weakly Supervised Semantic Segmentation (WSSS). ScholarGate. https://scholargate.app/th/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.
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare