List your company

Semantic Segmentation on PASCAL VOC 2012 (val)

94.7Mean IoUDaTaSeg
78.89282.99687.191.204Jan 13, 2018Jun 9, 2019Nov 3, 2020Mar 31, 2022Aug 25, 2023Jan 19, 2025Jun 16, 2026

Evaluation results

MethodLinks
DaTaSegBackbone=ViTDet-L2023.0694.7—————————————————————————————————————94.394.9————
OTSeg+Source Dataset=COCO-156, Evaluation Setting=Transductive2024.0394.4———————————————————————————————————————————
ZegCLIPSource Dataset=COCO-156, Evaluation Setting=Transductive2024.0394.2———————————————————————————————————————————
OTSegSource Dataset=COCO-156, Evaluation Setting=Transductive2024.0394.2———————————————————————————————————————————
OTSegSource Dataset=COCO-156, Evaluation Setting=Inductive2024.0394.1———————————————————————————————————————————
OTSeg+Source Dataset=COCO-156, Evaluation Setting=Inductive2024.0394.1———————————————————————————————————————————
ZegCLIPSource Dataset=COCO-156, Evaluation Setting=Inductive2024.0393.4———————————————————————————————————————————
DaTaSegBackbone=ViTDet-B2023.0692.8—————————————————————————————————————90.993.4————
OTSeg+Source Dataset=Context-49, Evaluation Setting=Transductive2024.0392.4———————————————————————————————————————————
OTSegSource Dataset=Context-49, Evaluation Setting=Transductive2024.0392.2———————————————————————————————————————————
ZegCLIPSource Dataset=Context-49, Evaluation Setting=Transductive2024.0390.6———————————————————————————————————————————
Eff-L2 w/ Self-trainingPre-trained=ImageNet++, FLOPs=229B, Params=485M, Self-training=true2020.0690———————————————————————————————————————————
DaTaSegBackbone=ResNet-502023.0689.4—————————————————————————————————————87.789.9————
Eff-L2Pre-trained=ImageNet++, FLOPs=229B, Params=485M2020.0688.7———————————————————————————————————————————
Fully-supervisedBackbone=DeepLabv2-ResNet1012023.0688.2—————————————————————————————————————8788.6————
DenseCLIP+Backbone=DeepLabv2-ResNet1012023.0688.1—————————————————————————————————————86.188.8————
Reload-MambaBackbone=ResNet-101, COCO pre-training=true2026.0687.8———————————————————————————————————————————
Eff-B7 w/ Self-trainingPre-trained=ImageNet++, FLOPs=60B, Params=71M, Self-training=true2020.0686.7———————————————————————————————————————————
ModuSegTrain status=Training-Free, Method category=Multi-stage2026.0486.3———————————————————————————————————————————
ExFusePre-trained=ImageNet, COCO, multi-scale/flip ensembling=true2020.0685.8———————————————————————————————————————————
SpineNet-SegBackbone=SpineNet-S143, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0385.64———————————————————————————————————————————
ExFuseBackbone=ResNeXt-131, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0385.4———————————————————————————————————————————
Eff-B7Pre-trained=ImageNet++, FLOPs=60B, Params=71M2020.0685.2———————————————————————————————————————————
OTSeg+Source Dataset=Context-49, Evaluation Setting=Inductive2024.0385.2———————————————————————————————————————————
SpineNet-SegBackbone=SpineNet-S96, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0385.16———————————————————————————————————————————
DeepLabv3+Pre-trained=ImageNet, JFT, COCO, FLOPs=3055B, multi-scale/flip ensembling=true2020.0684.6———————————————————————————————————————————
DeepLabV3+Feature Extractor=Xception-65, Fully Supervised Model (Backbone)=Xception-65, Supervision=F2020.1184.6———————————————————————————————————————————
FDNetstride=16s, multi-scale evaluation=true, fine-tuning=on standard training data2019.0584.1———————————————————————————————————————————
ZegCLIPSource Dataset=Context-49, Evaluation Setting=Inductive2024.0384———————————————————————————————————————————
SpineNet-SegBackbone=SpineNet-S49, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0383.49———————————————————————————————————————————
DeepLabv3+Pre-trained=ImageNet, JFT, COCO, FLOPs=177B2020.0683.4———————————————————————————————————————————
SemPLeSBackbone=M2F-Swin-L2024.0183.4———————————————————————————————————————————
Box2SegBackbone=ResNet-101, Supervision=Boxes (9K) with Masks (1K)2021.0483.1———————————————————————————————————————————
ResNet-101 + DeepLabv3output_stride=8, ASPP=false, MF=true, Params=58.16M, MAdds=4870.6B, Pre-trained=COCO2018.0182.7———————————————————————————————————————————
OTSegSource Dataset=Context-49, Evaluation Setting=Inductive2024.0382.7———————————————————————————————————————————
DeepLabv3Backbone=ResNet-101, COCO pre-training=true2026.0682.7———————————————————————————————————————————
FMA-WSSSBackbone=M2F-Swin-L2024.0182.6———————————————————————————————————————————
SegmenterBackbone=ViT-S, Supervision=Fully-supervised, Pre-trained Model=Improved ViT2023.0482.6———————————————————————————————————————————
SegmenterBackbone=ViT-S, Supervision Type=Full Supervision (F), Pre-training=Large-scale (e.g. ImageNet-21K)2023.0482.6———————————————————————————————————————————
DeepLabv3+Backbone=Xception-65, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0382.45———————————————————————————————————————————
FDNetstride=16s, multi-scale evaluation=true2019.0582.1———————————————————————————————————————————
SegSortBase=PSPNet, Backbone=ResNet-1012019.1081.77—————————————————————————63.71—————————————————
WeCLIPBackbone=ViT-B, L. Params=5.7M2024.0681.6———————————————————————————————————————————
UniMatch + S4MCBackbone=ResNet-101, Partition protocol=Full (1464 images)2023.0881.56———————————————————————————————————————————
ASMBase=PSPNet, Backbone=ResNet-1012019.1081.43—————————————————————————62.35—————————————————
DeepLabv3+2019.0581.4———————————————————————————————————————————
GCNBackbone=ResNet-GCN, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0381———————————————————————————————————————————
Prototype-based Consistency RegularizationTraining Setting=blender, Labeled Data Partition=1/2 (5291)2022.1080.91———————————————————————————————————————————
FDNetstride=16s2019.0580.9———————————————————————————————————————————
LTFBackbone=ResNet101, Supervision=Full, Multi-stage=false, Alt. Opt.=false, Extra Data=false, CRF=true2022.0380.9———————————————————————————————————————————
WideResNet-38Feature Extractor=WideResNet-38, Fully Supervised Model (Backbone)=WideResNet-38, Supervision=F2020.1180.8———————————————————————————————————————————
WideResNet38Supervision=F, Backbone=WR382022.0380.8———————————————————————————————————————————
WideResNet38Backbone=ResNet38, Supervision=Fully-supervised2023.0480.8———————————————————————————————————————————
WideResNet38Backbone=ResNet38, Supervision Type=Full Supervision (F)2023.0480.8———————————————————————————————————————————
Prototype-based Consistency RegularizationTraining Setting=blender, Labeled Data Partition=1/4 (2646)2022.1080.78———————————————————————————————————————————
Auto-DeeplabBackbone=Auto-Deeplab-L, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0380.75———————————————————————————————————————————
Prototype-based Consistency RegularizationTraining Setting=blender, Labeled Data Partition=1/8 (1323)2022.1080.71———————————————————————————————————————————
SDN2019.0580.7———————————————————————————————————————————
Prototype-based Consistency RegularizationLabel Partition=Full (1464), Training Setting=Classic2022.1080.65———————————————————————————————————————————
PCRBackbone=ResNet-101, Partition protocol=Full (1464 images)2023.0880.65———————————————————————————————————————————
HyperSeg-LBackbone=EfficientNet-B32020.1280.6——————————————————————————8.2139.6———————————————
FSSSBackbone=ResNet-101, Supervision=F2023.0480.6———————————————————————————————————————————
HyperSeg-LBackbone=EfficientNet-B1, Params=33.6M, Flops=8.21G2023.1080.6———————————————————————————————————————————
CutMix-Seg + S4MCBackbone=ResNet-101, Partition protocol=Full (1464 images)2023.0880.58———————————————————————————————————————————
U2PLTraining Setting=blender, Labeled Data Partition=1/2 (5291)2022.1080.5———————————————————————————————————————————
ResNet-101 + DeepLabv3output_stride=16, ASPP=true, MF=false, Params=58.16M, MAdds=81.0B, Pre-trained=COCO2018.0180.49———————————————————————————————————————————
DFNBackbone=ResNet-101, Pre-training=ImageNet + COCO, Inference scale=Single scale2021.0380.46———————————————————————————————————————————
UniMatchBackbone=ResNet-101, Partition protocol=Full (1464 images), reproduced=true2023.0880.43———————————————————————————————————————————
DANetBackbone=ResNet-101, COCO pre-training=false2026.0680.4———————————————————————————————————————————
DeepLabv3Backbone=MobileViTv2-2.0, Image Size=512x512, alpha=1.52022.0680.3———————————————————————————————————————————
AELTraining Setting=blender, Labeled Data Partition=1/2 (5291)2022.1080.29———————————————————————————————————————————
3-CPS-sv+CutMixBackbone=ResNet-101, Supervision ratio=1/2, Segmentation framework=DeepLabv3+2021.1280.26———————————————————————————————————————————
DeepLabV3+Backbone=ResNet101, Supervision=Full, Multi-stage=false, Alt. Opt.=false, Extra Data=false, CRF=true2022.0380.2———————————————————————————————————————————
PSPNetBackbone=MobileViTv2-1.75, Image Size=512x5122022.0680.2———————————————————————————————————————————
SoftmaxBase=PSPNet, Backbone=ResNet-1012019.1080.12—————————————————————————59.64—————————————————
UniMatch + S4MCBackbone=ResNet-101, Partition protocol=1/2 (732 images)2023.0880.12———————————————————————————————————————————
3-CPS-mc+CutMixBackbone=ResNet-101, Supervision ratio=1/2, Segmentation framework=DeepLabv3+2021.1280.06———————————————————————————————————————————
3-CPS-svBackbone=ResNet-101, Supervision ratio=1/2, Segmentation framework=DeepLabv3+2021.1280.02———————————————————————————————————————————
DeepLabv3+Pre-trained=ImageNet, FLOPs=177B2020.0680———————————————————————————————————————————
DeepLabV3+Backbone=Xception-712020.1280——————————————————————————17743.48———————————————
PS-MTBackbone=ResNet-101, Partition protocol=Full (1464 images)2023.0880———————————————————————————————————————————
DeepLabV3PlusBackbone=Xception-71, Params=43.48M, Flops=177G2023.1080———————————————————————————————————————————
FixMatchBackbone=ResNet-101, Partition protocol=Full (1464 images), reproduced=true2023.0879.97———————————————————————————————————————————
SDNBackbone=DenseNet-1612020.1279.9———————————————————————————238.5———————————————
3-CPS-mcBackbone=ResNet-101, Supervision ratio=1/2, Segmentation framework=DeepLabv3+2021.1279.9———————————————————————————————————————————
DeepLabV3Backbone=ResNet101, L. Params=58M2024.0679.9———————————————————————————————————————————
UniMatchBackbone=ResNet-101, Partition protocol=1/2 (732 images), reproduced=true2023.0879.9———————————————————————————————————————————
SDNBackbone=DenseNet-161, Params=238.5M2023.1079.9———————————————————————————————————————————
DeepLabv3+Backbone=ResNet-50, COCO pre-training=false2026.0679.84———————————————————————————————————————————
DeepLabv32019.0579.8———————————————————————————————————————————
PS-MTBackbone=ResNet-101, Partition Protocol=1/2 (5291), Architecture=DeepLabV3+2021.1179.76———————————————————————————————————————————
DFNBackbone=ResNet-1012020.1279.7———————————————————————————————————————————
DFNBackbone=ResNet-1012023.1079.7———————————————————————————————————————————
SegmenterBackbone=DeiT-S, Supervision=Fully-supervised2023.0479.7———————————————————————————————————————————
SegmenterBackbone=DeiT-S, Supervision Type=Full Supervision (F)2023.0479.7———————————————————————————————————————————
MoCo-v2Pre-training=MoCo-v2, Fine-tuning=Core-tuning, Framework=DeepLab-V3, Backbone=ResNet-502021.0279.62———————————————————————88.76—————————90.75—————————
FixMatch + S4MCBackbone=ResNet-101, Partition protocol=Full (1464 images)2023.0879.6———————————————————————————————————————————
P2AT-MBackbone=ResNet-34, Params=41.7M, Flops=37.5G2023.1079.6———————————————————————————————————————————
UCCBackbone=ResNet-101, Partition protocol=1/2 (5291), Base model=DeepLabv3+2022.0579.54———————————————————————————————————————————
SSRTrain status=Required, Method category=Single-stage2026.0479.5———————————————————————————————————————————