关键词foreground object segmentation
搜索结果 - 3
- 自监督剪切与粘贴生成对抗网络用于物体分割
本文提出了一种基于自监督的 Cut-and-Paste GAN 方法,可以在不需要手动注释标记的情况下进行前景对象分割和生成逼真的合成图像,并且采用了 U-Net 判别器,通过伪标签学习语义和结构信息来扩展标准判别器的能力。实验结果表明,该 - 基于自编码器的背景重建和前景分割及背景噪声估计
本文提出了一种使用自编码器模拟场景背景的低维流形,通过与原始图像进行对比实现前景 / 背景分割,自编码器同时用于预测背景噪音,从而计算每一帧的像素相关阈值进行前景分割。该模型在 CDNet 2014 和 LASIESTA 数据集上超越了现有 - 像素目标性
本文提出了一种端到端的学习框架,其中使用深度卷积网络实现了将前景 / 背景标签分配给所有像素的结构化预测,在无需看到训练期间未曾见过的物体类别的情况下生成了像素级的前景对象分割,并在 ImageNet 和 MIT ObjectDiscove