关键词weakly-supervised semantic segmentation
搜索结果 - 34
- CVPR从注意力中学习关联性:利用 Transformer 进行端到端弱监督语义分割
本文介绍使用 Transformer 结合注意力机制来改善弱监督语义分割的问题,提出了 Affinity from Attention 和 Pixel-Adaptive Refinement 模块来学习和精华像素标签和相似度,本方法在多个数 - CVPR弱监督语义分割的类别激活图
本文介绍了一种称为 ReCAM 的弱监督语义分割方法,通过将 softmax 交叉熵损失函数用于已收敛的 class activation map 从而生成高质量的掩膜。
- AAAI弱监督语义分割中伪掩模噪声抑制的响应缩放不确定性估计
本文提出了一种基于 UNC 方法的 WSSS 分割模型噪声控制方法,对伪掩码图像噪声进行了缓解处理,实验结果表明,该方法达到了 PASCAL VOC 2012 和 MS COCO 2014 的最佳性能。
- 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。
- CVPR铁路不是火车:显著性作为弱监督语义分割的拟像素监督
通过像素级反馈和结合图像级标签和预训练显著性检测模型,提出了一种新的弱监督语义分割框架 EPS,可有效解决目标覆盖不全、目标边界不准确、目标不同部分像素分散等问题,并在 PASCAL VOC 2012 和 MS COCO 2014 数据集上 - CVPR弱监督语义分割的背景感知池化和噪声感知损失
本文提出了一种使用边界框标注的弱监督语义分割方法,采用背景感知池化与噪声感知损失函数,可以在 PASCAL VOC 2012 数据集上比现有技术有更好的语义分割效果。
- AAAI弱监督语义分割的区域抑制网络
本文提出了一种减少标注成本的方法,利用弱监督语义分割技术和判别性区域抑制模块(DRS)生成高质量分割标签。DRS 可以扩展对象激活区域并产生稠密的本地化区域,同时引入本地化地图精化学习策略以使本地化地图得以精化。实验证明,该方法在 PASC - 通过匹配局部和完整特征来改进定位的 Puzzle-CAM
提出了一种新的方法,Puzzle-CAM,用于在使用图像级监督的情况下,通过最小化从分离补丁和整个图像的特征之间的差异来发现对象中最集成的区域,以激活对象的整体区域。在 PASCAL VOC 2012 测试数据集上,Puzzle-CAM 的 - 弱监督语义分割的因果干预
本文提出了一种因果推断框架,结合结构因果模型和上下文调整方法以纠正语义分割中的误导性上下文因素,使用图像级标签生成更好的像素级伪掩模,并将其用作后续分割模型的更好伪造地面实况。
- 迭代亲和力学习弱监督语义分割
该研究提出了一种基于迭代算法的学习方法,利用像素点之间的强关联性来生成密集分割地图,并通过信任区域来确保像素关联的可靠性以在没有准确标记的情况下学习亲和力矩阵,实验表明该方法在 PASCAL VOC 2012 和 COCO 数据集上性能优越 - 不同图像领域弱监督语义分割的综合分析
本篇论文评估了最先进的弱监督语义分割方法在自然场景、组织病理学和卫星图像数据集上的表现,并分析了如何确定哪种方法最适合给定的数据集。结果表明,针对组织病理学和卫星图像的弱监督语义分割面临着与自然场景图像不同的挑战,提出了一些实用技巧并指出需 - 弱监督语义分割的解耦空间神经关注模型
本文提出了一种基于神经网络空间注意力机制的弱监督图像分割算法,通过生成高质量的伪标注提升模型精度,在弱监督语义分割任务上达到了最先进水平。
- 弱监督语义分割中发现类特定像素
该研究提出一种发现类特定像素的方法,需要通过正确地结合显著性和注意力图才能获得可靠的线索,该方法将二者的可靠性信息组合使用,以训练卷积神经网络以在弱监督语义分割任务和图像级分类任务上实现更好的性能,实验证明,该方法在 PASCAL VOC1 - CVPR通过对手段抹去进行对象区域挖掘:一种从简分类到语义分割的方法
本文提出弱监督语义分割中一种新的方法,使用分类网络逐步挖掘具有较强区分性的目标区域。我们提出一种敌对擦除方法,以逐步本地化和扩展目标区域。通过敌对擦除发现的区域最终构成密集且完整的目标区域,进而学习语义分割。该方法在 PASCAL VOC