论文简介： 以image level作为标签的弱监督语义分割往往面临目标区域估计不完整的问题。为了缓解这个问题，本文提出了一种对跨图像间关系进行建模的方法。 该方法在同类别不同图像之间建立像素级的关系矩阵，并据此从不同的图像间取得互相补充的信息，用以增广原特征并获取更加完整和鲁棒的目标估计 图一：可以根据图片像素之间feature的相似度做一个Affinity map c ，然后从Affinity ...
2020-10-25 17:02 0 490 推荐指数：
这篇文章的主要贡献点在于： 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型； 2.可以利用bounding box来进行训练，并且得到了较好的结果，这样可以代替用pixel-leve ...
摘要：在本文中，我们提出了一种新的基于交叉一致性的语义分割半监督方法。 一致性训练已被证明是一种强大的半监督学习框架，用于在集群假设下利用未标记的数据，其中决策边界应位于低密度区域。 在这项工作中，我 ...
for Weakly-Supervised Semantic Segmentation. NIPS, 2020 ...
论文题目是STC，即Simple to Complex的一个框架，使用弱标签（image label）来解决密集估计（语义分割）问题。 2014年末以来，半监督的语义分割层出不穷，究其原因还是因为pixel级别的GroundTruth太难标注，因此弱监督成了人们研究的一个热门方向。 作者的核心 ...
CVPR2021 原文 半监督语义分割方法的总结： 主要思想： Consistency regularization ：希望不同扰动之下网络的输出结果一致，扰动的加入的位置：（1）在输入图片上加扰 ...
目录 0. 前言 1. 第一篇 2. 第二篇 3. 第三篇keras实现 4. 一篇关于U-Net的改进 0. 前言 今天读了U-Net觉得很不错，同时网上很多很好很详细的讲解，因此就不再自己写一个overview了，互联网的意义就是给了我 ...
论文链接：https://blog.csdn.net/qq_34889607/article/details/8053642 摘要 该文重新窥探空洞卷积的神秘，在语义分割领域，空洞卷积是调整卷积核感受野和DCNN feature map分辨率的有力工具。该文应用 ...
论文链接：https://arxiv.org/abs/1802.02611 tensorflow 官方实现： https: //github.com/tensorflow/models/tree/master/research/deeplab 实验代码：https ...
