Segmentation faiblement supervisée

La Segmentation Faiblement Supervisée (SFS) est une technique de segmentation d'images dans le domaine de la vision par ordinateur. Son objectif est d'entraîner des modèles sur des jeux de données avec des annotations limitées ou incomplètes afin d'atteindre une localisation et une classification précises des objets au sein des images. Cette méthode réduit efficacement les coûts d'annotation en utilisant des informations d'annotation partielles, telles que des étiquettes au niveau de l'image ou des boîtes englobantes approximatives, tout en maintenant une haute précision de segmentation. La SFS présente une valeur d'application importante dans l'analyse d'images médicales, le traitement d'images de télédétection et la conduite autonome, parmi d'autres scénarios, en améliorant considérablement l'efficacité de l'utilisation des données et les capacités de généralisation des modèles.