سلام
همینطور که دوستمون گفتن فعلا بیشتر مساله به صورت با نظارت حل میشه و شما باید annotation داشته باشید برای ورودی هاتون. حالا می تونه بر چسب هر پیکسل باشه یا اینکه شبکه رو روی patch ها آموزش بدید و بعدش روی تصویر کلی حرکت بدید تا نقشه segmentation بدست بیاد. خلاصه برای سوال اولتون حتما نباید برچسب برای هر پیکسل داشته باشیم و می شه به صورت اسپارس برای یه سری patch بدونیم که مثلا پیکسل مرکزی متعلق به چه دسته ایه اما اگه برای همه پیکسل ها برچسب داشته باشید که چه بهتر
به عنوان یه نکته اضافه، مدلهای weakly supervised یا semi supervised هم هست که اگه داده های برچسب دار کم داشته باشید می تونید تست کنید ببینید برای مساله شما خوب کار می ده یا نه (البته این مواقع معمولا ما داده های بدون برچسب زیاد داریم) یعنی اگه داده زیاد دارید اما مشکل برچسب زدنشونه، این مدلها می تونه یکم توی پیشبرد کارتون کمک کنه، اما حتما نقاط قوت و ضعف این نوع مدلها رو هم باید بدونید
در نهایت هم مدلهای مرتبط با anomaly detection هست که می تونن بدون برچسب هم کار بکنن. یعنی اگه مساله شما جوری باشه که توی خیلی از تصاویرتون، اون 2 تا بافت وجود نداره میشه اونها رو به عنوان anomaly توی بقیه تصاویری که اون بافتها وجود داره مدل کرد. بعدشم میشه تشخیص اینکه حالا این anomaly که تشخیص دادیم مربوط به کدوم بافته
ایده های مختلفی میشه داد اما همه چی بستگی به مساله و دیتاستی داره که دارید باهاش کار میکنید و صد البته زمان و سخت افزاری که در اختیار دارید