Fine-Tuned Semantic Segmentation
Fine-tuned semantic segmentation adapts a deep neural network pre-trained on a large pixel-labelled dataset (e.g., ImageNet-pretrained backbone with an encoder-decoder head trained on COCO or Cityscapes) to a new target domain by continuing training on domain-specific annotated images. The result is a model that assigns a class label to every pixel in an image while leveraging rich visual representations learned from vastly more data than the target domain alone could provide.
Запис джерела
Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.
- 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
Відібрані твердження
Твердження збережено в журналі доказів, кожне зі своєю оцінкою.
Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.
Пов'язані методи
Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.