Самокерована семантична сегментація
Самокерована семантична сегментація навчається призначати мітку класу кожному пікселю зображення без використання вручну анотованих масок сегментації. Спочатку мережа-основа тренується на великій кількості нерозмічених зображень за допомогою самокерованих цілей, таких як контрастне навчання або моделювання маскованих зображень, а отримані щільні ознаки потім використовуються для розбиття та маркування областей зображення, досягаючи конкурентної якості сегментації за частку вартості анотування.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
- Hamilton, M., Zhang, Z., Hariharan, B., Snavely, N., & Freeman, W. T. (2022). Unsupervised Semantic Segmentation by Distilling Feature Correspondences. International Conference on Learning Representations (ICLR). link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Learning for Semantic Segmentation. ScholarGate. https://scholargate.app/uk/deep-learning/self-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.
- Сегментація екземплярівГлибоке навчання↔ compare
- Згорточна нейронна мережа із самоконтролемГлибоке навчання↔ compare
- Самокерований Трансформер БаченняГлибоке навчання↔ compare
- Семантична сегментаціяГлибоке навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →