关键词weakly supervised instance segmentation
搜索结果 - 5
- BAISeg:边界辅助的弱监督实例分割
我们提出了一种新的弱监督实例分割方法,通过预测类不可知的实例边界而不是实例中心点来识别实例,进一步增强了实例边界的连续性和闭合性,并且在只使用像素级注释的情况下取得了可观的性能。
- 利用伪深度增强以盒子为监督的实例分割
本研究通过引入伪深度图到实例分割网络的训练过程中,捕捉实例间的深度差异,从而提升性能;同时,利用深度一致性作为选择最佳掩码的计算成本,使得该方法在实例分割中取得显著改进。
- 弱监督实例分割的完整实例挖掘
利用只有图像级别标签的弱监督实例分割(WSIS)是一项具有挑战性的任务,但随着深度神经网络(DNNs)的进步,WSIS 已经引起了广泛关注。我们提出一种新颖的 WSIS 方法,通过使用 MaskIoU 头部预测 proposal 的完整度得 - CVPRBoxTeacher:探索高质量的弱监督实例分割伪标签
BoxTeacher 是一个高效 End-to-End 的训练框架,可以实现使用 Bounding Box 产生高质量的 Mask 标签的弱监督实例分割,BoxTeacher 使用一个复杂的教师网络产生高质量的 Mask 标签,然后通过 n - BoxInst:基于 Box Annotations 的高性能实例分割
本文提出了一种基于网格框标注的高性能方法,实现了面部实例分割,通过重新设计学习实例分割中的掩码损失函数,优化了训练过程,并在 COCO 数据集上实现了优秀的实验结果。