关键词pascal voc 2012 dataset
搜索结果 - 4
- 通过转移语义亲和力和边界实现弱监督语义分割
本文提出了一种弱参考语义分割方法,通过在基础类别上添加像素级别的注释,来帮助在只有图像级别标签的情况下,分割新类别对象,实验证明此方法在 PASCAL VOC 2012 数据集上表现显著优于传统方法。
- ICCV弱监督语义分割的上下文解耦增强
本篇论文提出了一种名为 Context Decoupling Augmentation 的方法,通过改变物体出现的内在背景来驱动模型消除物体实例与背景之间的关联,从而提高珂以提高弱监督语义分割方法的性能。在 PASCAL VOC 2012 - 跨越类别级别和实例级别的语义图像分割
通过语义类别分割为基础,使用一种深度卷积回归网络来预测像素级的实例边界框,以实现语义实例分割,同时在训练过程中采用在线引导方法来进一步提高语义类别分割和实例级分割的效果,以最终在 PASCAL VOC 2012 数据集上取得最佳结果。
- 语义分割的学习反卷积网络
本文提出一种基于学习反卷积网络的新颖语义分割算法,其中反卷积网络由反卷积层和上采样层组成,能够在像素级别上识别图像中的类别标签和预测分割掩模,通过将结果合并得到最终的分割图像,并且可以自然地处理多尺度下的物体和识别细节结构,在 PASCAL