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.
Pascal VOC 2012 12.5% labeled
CPS
Cityscapes 12.5% labeled
CPS (DeepLab v3+ with ImageNet-pretrained ResNet-101, single scale inference)
Cityscapes 25% labeled
CPS (DeepLab v3+ with ImageNet-pretrained ResNet-101, single scale inference)
PASCAL VOC 2012 25% labeled
Dual Teacher
Cityscapes 50% labeled
ClassMix (DeepLab v2 MSCOCO pretrained)
Cityscapes 6.25% labeled
Pascal VOC 2012 6.25% labeled
PASCAL VOC 2012 1464 labels
PASCAL VOC 2012 50%
S4MC
PASCAL VOC 2012 92 labeled
PASCAL VOC 2012 732 labeled
SemiVL (ViT-B/16)
Pascal VOC 2012 5% labeled
ReCo (DeepLab v3+ with ResNet-101 backbone, ImageNet pretrained)
PASCAL VOC 2012 183 labeled
PASCAL VOC 2012 366 labeled
SemiVL (ViT-B/16)
Cityscapes 100 samples labeled
ClassMix (DeepLab v2 MSCOCO pretrained)
SemanticKITTI
Pascal VOC 2012 2% labeled
ReCo (DeepLab v3+ with ResNet-101 backbone, ImageNet pretrained)
nuScenes
PLE (Voxel)
ScribbleKITTI
LaserMix (Voxel)
COCO 1/256 labeled
COCO 1/128 labeled
COCO 1/64 labeled
COCO 1/512 labeled
SemiVL
COCO 1/32 labeled
Pascal VOC 2012 1% labeled
ReCo (DeepLab v3+ with ResNet-101 backbone, ImageNet pre-trained)
ADE20K 1/32 labeled
ADE20K 1/16 labeled
UniMatch V2
Cityscapes 2% labeled
Cityscapes 5% labeled
Cityscapes 93 labeled
AEL (DeepLab v3+ with ResNet-101 pretraind on ImageNet-1K)
PASCAL Context 12.5% labeled
GuidedMix-Net(DeepLab v2 with ResNet101, ImageNet pretrained)
PASCAL Context 25% labeled
GuidedMix-Net(DeepLab v2 with ResNet101, ImageNet pretrained)
Stanford 2D-3D
Cityscapes with extra (no coarse labels)
Dense FixMatch (DeepLabv3+ ResNet-101, over-sampling, single pass eval)
Pascal VOC 2012 50% labeled
AllSpark
WoodScape
FishSegSSL
PASCAL VOC 2012 500 labels
GuidedMix-Net(DeepLab v2 with ResNet50, ImageNet pretrained)
PASCAL VOC 2012 1000 labels
GuidedMix-Net(DeepLab v2 with ResNet50, ImageNet pretrained)
2017 Robotic Instrument Segmentation Challenge
MMS (20% Labeled)
2D-3D-S
M3L (Linear Fusion B2)
Kvasir-Instrument
MMS(20% labeled)
KiTS19
PASCAL VOC 2012 331 labeled
AEL (DeepLab v3+ with ResNet-101 pretraind on ImageNet-1K)
Cityscapes 10% labeled
IM++ (416x208, 2.7m parameters, no pretraining)
SUIM