A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation
論文閱讀： A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation 作者說明 版權聲明：本文為博主原創文章，轉載請附上原文出處鏈接和本聲明。 本文鏈接：https ...
原文：Domain Adaptation for Semantic Segmentation via Class-Balanced Self-Training
目錄 問題 方法 使用自步學習的自監督訓練 類別平衡自監督訓練 自步學習過程設計 空間先驗 問題 主要解決的問題是自監督訓練中，偽標簽的質量問題。 方法 提出了一種基於迭代自訓練過程的UDA框架，將問題表示為隱藏變量損失最小化，可以通過在目標數據上交替生成偽標簽，並使用這些標簽重新訓練模型。 在自訓練的頂層，提出了一個新的類別平衡自訓練框架避免在偽標簽生成過程中大類的梯度主導，並引入空間先驗優化 ...
2020-06-09 10:10 0 623 推薦指數：
相關推薦
論文閱讀 | A Curriculum Domain Adaptation Approach to the Semantic Segmentation of Urban Scenes
paper鏈接：https://arxiv.org/pdf/1812.09953.pdf code鏈接：https://github.com/YangZhang4065/AdaptationSeg ...
self-training and co-training
半指導學習（Semi-supervised Learning）的概念說起來一點兒也不復雜，即從同時含有標注數據和未標注數據的訓練集中學習模型。半指導學習是介於有指導學習與無指導學習之間的一種機器學習方 ...
Co-Training vs Self-Training
首先，在實際做classification的場景中，經常會遇到只有少量的labeled data而更多的data都是unlabeled 的情況。co-training和self-training這兩個算法即是用來解決這樣情況的。 下面分別描述這兩種算法： 1.Self-training ...
Class-Balanced Loss Based on Effective Number of Samples - 2 - 代碼學習
參考：https://github.com/vandit15/Class-balanced-loss-pytorch 其中的class_balanced_loss.py: View Code 添加注釋和輸出的版本 ...
Remote Sensing Images Semantic Segmentation with General Remote Sensing Vision Model via a Self-Supervised Contrastive Learning Method
論文閱讀： Remote Sensing Images Semantic Segmentation with General Remote Sensing Vision Model via a Self-Supervised Contrastive Learning Method 作者聲明 ...
【論文筆記】Domain Adaptation via Transfer Component Analysis
論文題目：《Domain Adaptation via Transfer Component Analysis》 論文作者：Sinno Jialin Pan, Ivor W. Tsang, James T. Kwok and Qiang Yang 論文鏈接：https ...
處理長尾問題：Class-Balanced Loss Based on Effective Number of Samples
這篇cvpr2019的論文主要提出了一個損失函數Class-Balanced Loss用來處理數據長尾問題 長尾問題是由於分類問題中數據集每類的數據量不同，導致分類准確度下降。舉個極端點的例子有助於理解：A、B二分類問題，數據集中，A、B數據量比例為999：1，為了減少損失值，網絡很自然的將所有 ...