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。