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，我们首先观察到，对于语义分割，隐藏表示中的低密度区域比输入中的低密度区域更明显。因此，我们提出了交叉一致性训练，其中在应用于编码器输出的不同扰动上强制执行预测的不变性。具体来说，共享编码器和主解码器使用可用 ...
2021-12-13 11:07 0 146 推荐指数：
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）在输入图片上加扰动（2）在某一层的输出特征上添加扰动 创新点： 鼓励两个初始化不同（不同扰动）的网络 ...
论文阅读： A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation 作者说明 版权声明：本文为博主原创文章，转载请附上原文出处链接和本声明。 本文链接：https ...
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 ...
2019 CVPR的文章，使用时序卷积和半监督训练的3D人体姿态估计 论文链接：https://arxiv.org/abs/1811.11742 github：https://github.com/facebookresearch/VideoPose3D 已经有前辈对这篇文章做过理解 ...
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 ...
GCN的定义 下面内容参考kipf博客，个人认为是告诉你从直觉上，我们怎么得到GCN图上的定义（而前面的大幅推导是从理论上一步一步来的，也就是说可以用来佐证我们的直觉） 我们的网络输入是\(\ma ...
背景简介 GCN的提出是为了处理非结构化数据（相对于image像素点而言）。CNN处理规则矩形的网格像素点已经十分成熟，其最大的特点就是利用卷积进行①参数共享②局部连接，如下图： 那么类比 ...
Virtual Adversarial Training: a Regularization Method for Supervised and Semi-supervised Learning 简介 本文是17年半监督学习的一篇文章，受对抗训练的启发，将对抗训练的范式用于提升半监督学习 ...
