Dec, 2023

回归器 - 分割器相互提示学习用于人群计数

PDF
TL;DR通过相互提示学习，减少注释变异对模型精确度的影响，提高人群计数的准确性。
crowd countingmutual prompt learningregressorannotation variancemodel accuracy
发现论文，激发创造
  • 多评者提示在模糊医学图像分割中的应用

    针对医学图像分割中多评分者注释（即模棱两可的医学图像分割）中的两个挑战，本文提出了一种基于多评分者提示的方法，通过引入一系列评分者感知的提示来处理多注释情况，并采用混合训练策略来整合专家共识和不一致。通过实验验证了我们的新方法在两个公共数据集上对模棱两可的医学图像分割的有效性，并减轻了模型重新训练的沉重负担。

    Apr, 2024

  • 学习对呼叫分段任何模型

    通过空间 - 语义提示学习有效的语义和空间提示，优化了 SAM 模型在图像分割性能上的效果。

    Jan, 2024

  • 基于视觉基础模型的遥感实例分割提示学习

    本文提出了一种基于 SAM 模型和 Prompt 学习的自动遥感图像实例分割方法（RSPrompter），并将其与其他常用的方法进行比较，结果证明该方法有效。

    Jun, 2023

  • 弱监督参照图像分割的课程点提示

    通过引用图像分割技术（RIS），本文提出了一种创新框架 Point PrompTing（PPT），并结合了多源课程学习策略来解决以往弱监督技术中面临的噪声和过度关注问题，实验证明 PPT 在 RefCOCO、RefCOCO + 和 G-Ref 上的 mIoU 分别比现有技术高出 11.34％、14.14％和 6.97％。

    Apr, 2024

  • 基于代理任务自训练的半监督人群计数

    本文提出了一种基于特征学习和密度图的半监督人群计数方法，将未标注的图像用于训练通用的特征提取器并将其用于密度图回归，同时利用自训练方案来学习相关的二元分割任务，表明该方法优于现有的半监督人群计数方法和基线方法。

    Jul, 2020

  • 遥感领域少样本语义分割的可学习提示

    通过使用 SegGPT 作为基础模型，分别为每个新类别使用可学习的提示语进行预测，并通过图像修复任务解决遥感领域中存在的对象大小不一致性和补丁边界的不连续性问题，同时利用图像嵌入的相似性搜索来选择提示语和减少误报预测，实验结果表明我们的方法将简单微调的 SegGPT 在 Few-shot OpenEarthMap 数据集验证集上的加权 mIoU 从 15.96 提升到 35.08。

    Apr, 2024

  • 视觉背景提示

    本文介绍了一种通用的视觉上下文提示框架，以支持涂鸦、方框和点等各种提示类型，并进一步改进以支持任意数量的上下文。通过在 COCO 和 SA-1B 上进行联合训练，我们的模型在 COCO 上达到 57.7 PQ，在 ADE20K 上达到 23.2 PQ。

    Nov, 2023

  • 一种统一的基于提示的计数的定点方法

    该研究论文介绍了一种基于提示的计数框架，能够生成关注对象的密度图，并采用固定点推理和对比训练来提高计数准确性。

    Mar, 2024

  • 使用小视觉提示进行单次和部分监督的细胞图像分割

    本文介绍了一种基于深度学习的微观细胞图像语义分割，提出了针对数据量少的高效学习框架，并提出了一次学习和部分监督学习这两种学习策略以及使用小提示图像的新型分割方法。实验结果证明，与传统方法相比，提出的方法提高了 Dice 系数 (DSC)。

    Apr, 2023

  • 通过提示学习为实例分割定制分割基础模型

    通过 prompt 学习定制的实例分割算法，以更好地适应用户意图，并通过点匹配模块增强特征表达，从而实现更细致的分割，最终的实验结果证明了该方法的有效性。

    Mar, 2024