論文筆記（6）：Weakly-and Semi-Supervised Learning of a Deep Convolutional Network for Semantic Image Segmentation
這篇文章的主要貢獻點在於： 1.實驗證明僅僅利用圖像整體的弱標簽很難訓練出很好的分割模型； 2.可以利用bounding box來進行訓練，並且得到了較好的結果，這樣可以代替用pixel-leve ...
原文：CIAN: Cross-Image Affinity Net for Weakly Supervised Semantic Segmentation論文閱讀
論文簡介： 以image level作為標簽的弱監督語義分割往往面臨目標區域估計不完整的問題。為了緩解這個問題，本文提出了一種對跨圖像間關系進行建模的方法。 該方法在同類別不同圖像之間建立像素級的關系矩陣，並據此從不同的圖像間取得互相補充的信息，用以增廣原特征並獲取更加完整和魯棒的目標估計 圖一：可以根據圖片像素之間feature的相似度做一個Affinity map c ，然后從Affinity ...
2020-10-25 17:02 0 490 推薦指數：
相關推薦
論文閱讀：Semi-Supervised Semantic Segmentation with Cross-Consistency Training
摘要：在本文中，我們提出了一種新的基於交叉一致性的語義分割半監督方法。 一致性訓練已被證明是一種強大的半監督學習框架，用於在集群假設下利用未標記的數據，其中決策邊界應位於低密度區域。 在這項工作中，我 ...
Causal Intervention for Weakly-Supervised Semantic Segmentation
for Weakly-Supervised Semantic Segmentation. NIPS, 2020 ...
論文筆記（3）：STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation
論文題目是STC，即Simple to Complex的一個框架，使用弱標簽（image label）來解決密集估計（語義分割）問題。 2014年末以來，半監督的語義分割層出不窮，究其原因還是因為pixel級別的GroundTruth太難標注，因此弱監督成了人們研究的一個熱門方向。 作者的核心 ...
[論文][半監督語義分割]Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision
CVPR2021 原文 半監督語義分割方法的總結： 主要思想： Consistency regularization ：希望不同擾動之下網絡的輸出結果一致，擾動的加入的位置：（1）在輸入圖片上加擾 ...
【Semantic Segmentation】U-Net: Convolutional Networks for Biomedical Image Segmentation 論文解析(轉)
目錄 0. 前言 1. 第一篇 2. 第二篇 3. 第三篇keras實現 4. 一篇關於U-Net的改進 0. 前言 今天讀了U-Net覺得很不錯，同時網上很多很好很詳細的講解，因此就不再自己寫一個overview了，互聯網的意義就是給了我 ...
論文閱讀筆記十一：Rethinking Atrous Convolution for Semantic Image Segmentation（DeepLabv3)(CVPR2017)
論文鏈接：https://blog.csdn.net/qq_34889607/article/details/8053642 摘要 該文重新窺探空洞卷積的神秘，在語義分割領域，空洞卷積是調整卷積核感受野和DCNN feature map分辨率的有力工具。該文應用 ...
論文閱讀筆記十二：Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation（DeepLabv3+）(CVPR2018)
論文鏈接：https://arxiv.org/abs/1802.02611 tensorflow 官方實現： https: //github.com/tensorflow/models/tree/master/research/deeplab 實驗代碼：https ...