Jun, 2017

在弱监督语义分割中结合网络内置先验知识

HTML
PDF
TL;DR本文提出了一种从经过预训练的对象识别神经网络中提取精确掩模的新方法，由此摆脱了外部对象模块，并展示了如何通过前后景图像将它们融合与弱监督本地化网络提取的信息，我们的实验结果表明，将这些掩模与弱监督训练损失结合使用可以获得基于标签的弱监督语义分割的最先进结果。
发现论文，激发创造
  • 从图像级别到像素级别的卷积网络标注

    本研究提出了一种基于卷积神经网络的模型，只利用物体类别信息，通过最小化对目标分割任务的先验仅推断目标分割。我们展示了该模型在相对于弱监督物体分割任务中领先于业界最先进的方法。

    Nov, 2014

  • 基于内置前/背景先验的弱监督语义分割

    在语义分割方面仅使用图像标签的弱监督方法在像素级注释方面费时昂贵。本文提出了一种不使用外部物体模块的新方法，使用卷积层的激活并通过稠密CRF平滑来从预训练网络本身中提取标记，以实现更精确地语义分割。此外，我们介绍了一种新的廉价的弱监督方法，可提高分类效果。

    Sep, 2016

  • 基于网络图像共分割的弱监督语义分割

    该研究提出了一种使用网络图像和图像级标签进行弱监督下的全卷积网络语义分割的方法，其利用大规模的共同分割框架从网络图像中生成标签，获得了56.9的交并比，在语义分割方案中取得了最新的性能。

    May, 2017

  • 基于弱监督学习的多证据过滤与融合方法用于多标签分类、目标检测和语义分割

    该论文提出了一种弱监督课程学习流程，用于多标签对象识别、检测和语义分割的任务，其中包括四个阶段，包括训练图像的对象定位、筛选和融合对象实例、像素标注以及基于任务的网络训练，通过这种流程，实现了在MS-COCO、PASCAL VOC 2007和PASCAL VOC 2012数据集上进行多标签图像分类以及弱监督对象检测和语义分割的最新成果。

    Feb, 2018

  • 利用先验网络知识学习弱监督语义分割

    本文介绍了一种使用图像标签进行弱监督语义分割的模型，利用图像标注作为注意机制来识别图像中的语义区域，并描述了如何将此掩模生成策略纳入完全端到端可训练的过程中，其中网络同时学习对图像进行分类和分割，实验表明，利用生成的类特定掩模可以超越只使用图像标记的最新弱监督语义分割方法甚至某些利用额外监督或训练数据的模型。

    Apr, 2018

  • 重新审视空洞卷积：一种用于弱监督和半监督语义分割的简单方法

    通过利用扩张卷积等方法，本文提出一种弱监督下语义分割的新模型，能够得到准确的物体分割结果，相较于之前的方法在具有1,464个分割掩码的半监督和仅有图像级标签的弱监督设置下，分别获得了60.8％和67.6％的高精度分割效果，成为当前最优秀的模型。

    May, 2018

  • 基于迭代挖掘共同对象特征的弱监督语义分割

    本文提出一个迭代的自下而上和自上而下的框架，通过挖掘常见特征来扩展对象区域，并通过优化分割网络进行训练和预测对象掩码，证明此方法在Pascal VOC 2012数据集上的表现优于现有的最先进方法。

    Jun, 2018

  • 半监督自修正语义图像分割网络

    本研究介绍了一种半监督框架，通过一个辅助模型和一个自我纠正模块，在只有一小部分完全有监督图像的基础上，使用具有目标边界框标签的图像和只有目标边界框标签的图像集（称为弱集），训练出高质量的语义分割模型，这种方法比传统大量完全有监督数据模型要求的标注工作量减少 ~7 倍。

    Nov, 2018

  • 铁路不是火车：显著性作为弱监督语义分割的拟像素监督

    通过像素级反馈和结合图像级标签和预训练显著性检测模型，提出了一种新的弱监督语义分割框架EPS，可有效解决目标覆盖不全、目标边界不准确、目标不同部分像素分散等问题，并在PASCAL VOC 2012和MS COCO 2014数据集上实现了最新的技术水平表现。

    May, 2021

  • 背景激活抑制用于弱监督物体定位和语义分割

    使用仅有图像级标签的弱监督对象定位和语义分割方法，该论文引入了一个前景预测图（FPM）的新范例，通过生成FPM实现像素级定位；通过观察发现，随着前景掩模的扩大，交叉熵收敛为零（当前景仅覆盖对象部分时），激活值持续增加（直至前景掩模扩展到对象边界），因此，提出了一种背景激活抑制（BAS）方法，通过抑制背景激活值来学习更多对象区域；该方法在CUB-200-2011、ILSVRC、PASCAL VOC 2012和MS COCO 2014数据集上，实验表明相较于基线方法有显著和一致的改进效果，并达到最先进的弱监督语义分割性能。

    Sep, 2023