基于一致的图像分割进行层次语义分类的学习

Jun, 2024

基于一致的图像分割进行层次语义分类的学习

Learning Hierarchical Semantic Classification by Grounding on Consistent Image Segmentations

Seulki Park, Youren Zhang, Stella X. Yu, Sara Beery, Jonathan Huang

TL;DR层次化语义分类需要预测一个层次结构树而不是单个层级的树，通过训练分类器来实现不同层级的准确性和一致性，同时结合图像分割以提高一致性和准确性，并引入树路径 KL 散度损失以强制实现跨层级的一致准确预测和预测层次结构树的准确性。

Abstract

hierarchical semantic classification requires the prediction of a taxonomy tree instead of a single flat level of the tree, where both accuracies at individual levels and consistency across levels matter. We can train classifiers for individual levels, which has accuracy but not consis

hierarchical semantic classification taxonomy tree hierarchical recognition image segmentation tree-path kl divergence loss

发现论文，激发创造

高低层次一致性半监督语义分割

文章提出了一种利用一些有限的像素注释数据和一些无标签数据进行半监督语义分割的方法，并在 PASCAL VOC 2012，PASCAL-Context，和 Cityscapes 数据集上实现了最新的半监督学习的最佳性能。

Aug, 2019

半监督医学图像分割的对角线分层一致性学习

通过使用对角层次一致性（DiHC-Net）的鲁棒半监督医学图像分割新框架，实现了几乎达到人类水平的临床应用中的医学图像分割结果，且在公开的左心房（LA）数据集上表现优于以往的方法。

Nov, 2023

CAST：自适应段标记的并发识别和分割

通过无监督学习，本研究提出了一种基于像素、分割区域和完整图像级别同时学习的分层图像识别方法，通过引入自适应段落令牌和图池化来实现多尺度分割，同时提高识别精度和计算效率。

Oct, 2022

层级洞察：利用结构相似性进行可靠的 3D 语义分割

通过抽象的学习规则，我们提出了一种训练策略，使得三维光达语义分割模型能够学习不同类别之间的结构关系，从而提高模型的置信度校准，并为融合、预测和规划等下游任务保留附加信息。

Apr, 2024

深层次语义分割

本文提出了一种用于分层语义分割的新架构 HSSN，它可将现有的分割网络有效地应用于分层语义分割，通过像素嵌入和类别层次结构来实现像素级多标签分类和更好的分割。

Mar, 2022

多视图共分割和聚类变换器的无监督分层语义分割

本文提出了一种基于像素特征学习的数据驱动的无监督分层语义分割方法，使用同一图像的多视角协同分割来启动特征学习，加入粗细层次间的聚类变换器以确保组织层次间的语义一致性，该方法被称作 'Hierarchical Segment Grouping'，在五个主流目标和场景测评基准上表现良好。

Apr, 2022

基于图像级标签的粗到细语义分割

该研究提出了一种基于图像类别标签的新型递归粗到细语义分割框架，可用于图像分割和前景分割等任务，并且只需要一个标签来处理包含多类别对象的图像。

Dec, 2018

医学图像中高效的子类分割

文章中提出了一种新的方法来实现医学影像的细粒度子类分割，通过利用任务驱动的数据生成方法、先验拼接模块以及分层混合模型等技术手段，使模型在有限的子类注释数据和充分的高层次注释数据下实现与仅采用子类注释数据相近的结果。

Jul, 2023

联合层次结构学习和大规模图像分类

本文介绍了一种基于层次化视觉数据结构的图像分类方法，该方法利用层次聚类创建了可变长度的视觉树，从而更准确地进行分类。该方法在 ILSVRC2010 和 Caltech 256 基准数据集上获得了显著更好的分类准确率。

Sep, 2017

使用层次合并树进行图像分割

本研究提出一种基于树形结构和边界分类器的图像分割的有监督分层方法，实验结果表明该方法在六个公共数据集上实现了最先进的区域分割精度，在没有语义先验的图像分割中具有很强的竞争力。

May, 2015