Schwach überwachte Segmentierung

Weakly Supervised Segmentation (WSS) ist eine Bildsegmentierungstechnik im Bereich der Computer Vision. Ihr Ziel ist es, Modelle auf Datensätzen mit begrenzten oder unvollständigen Annotationen zu trainieren, um eine genaue Lokalisierung und Klassifizierung von Objekten innerhalb von Bildern zu erreichen. Diese Methode verringert die Annotationskosten, indem sie partielle Annotationen wie bildbasierte Labels oder grobe Begrenzungsrahmen nutzt, während sie gleichzeitig eine hohe Segmentierungsgenauigkeit beibehält. WSS hat erheblichen Anwendungswert in Bereichen wie der medizinischen Bildanalyse, der Fernerkundung und dem autonomen Fahren, indem sie die Datennutzungs-effizienz und die Generalisierungsfähigkeiten der Modelle erheblich verbessert.