Segmentation sémantique semi-supervisée

La segmentation sémantique semi-supervisée est une tâche dans le domaine de la vision par ordinateur qui vise à entraîner des modèles en utilisant une petite quantité de données étiquetées et une grande quantité de données non étiquetées pour atteindre l'objectif de classifier chaque pixel d'une image. Cette méthode utilise efficacement les données non étiquetées pour améliorer la capacité de généralisation du modèle et la précision de la segmentation, réduisant ainsi les coûts d'annotation et augmentant la valeur d'application du modèle dans des scénarios réels.