CVPR 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： 在輸入圖片上加擾動 在某一層的輸出特征上添加擾動 創新點： 鼓勵兩個初始化不同 不同擾動 的網絡的一致性 利用半監督的方式相當於擴充了數據集 網絡結構 兩個網絡的結構相同，但使用不同的初始化 作為不同的擾動 ，具體而言， 個網絡ba ...
2022-02-19 17:01 2 850 推薦指數：
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，我們首先觀察到，對於語義分割，隱藏表示中的低密度區域比輸入中的低密度區域更明顯。 因此，我們提出 ...
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-level訓練中的ground truth； 3.當我們用少量的pixel-level ...
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 ...
題記：最近在做LLL(Life Long Learning)，接觸到了SSL(Semi-Supervised Learning)正好讀到了谷歌今年的論文，也是比較有點開創性的，淺顯易懂，對比實驗豐富，非常適合缺乏基礎科學常識和剛剛讀研不會寫論文的同學讀一讀，觸類旁通嘛。 這篇論文 ...
一些參考資料: [1] 李宏毅機器學習教學視頻 semi-supervise [2] 李宏毅視頻的文字稿 (上面兩個資料的講解順序是：semi-supervised generative model --> low density assumption --> ...
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 ...
GCN的定義 下面內容參考kipf博客，個人認為是告訴你從直覺上，我們怎么得到GCN圖上的定義（而前面的大幅推導是從理論上一步一步來的，也就是說可以用來佐證我們的直覺） 我們的網絡輸入是\(\ma ...
Semi-Supervised Learning with Generative Adversarial Networks 引言：本文將產生式對抗網絡（GAN）拓展到半監督學習，通過強制判別器來輸出類別標簽。我們在一個數據集上訓練一個產生式模型 G 以及 一個判別器 D，輸入 ...
