【语义分割】基于自校正网络的半监督语义分割

论文地址： https://arxiv.org/pdf/1811.07073.pdf

代码：

来源： 西蒙弗雷泽大学

论文名称：Semi-Supervised Semantic Image Segmentation with Self-correcting Networks

原文作者：Mostafa S. Ibrahim

内容提要

建立具有高质量对象掩模的大型图像数据集来进行语义分割是一项耗时耗力的工作。在本文中，我们介绍了一个半监督框架，它只使用一小组全监督的图像(有语义分割标签和框标签)和一组只有边界框标签的图像(我们称之为弱集)。本文的框架在辅助模型的帮助下训练初级分割模型，辅助模型由弱集生成初始分割标签，以及一个自校正模块，在训练过程中使用越来越精确的初级模型改进生成的标签。我们使用线性或卷积函数，引入了两个变量的自校正模块。在PASCAL VOC 2012和Cityscape数据集上进行实验，结果表明，本文使用小的全监督集训练的模型的性能与使用大型全监督集训练的模型相似，甚至更好，而注释工作量少了7倍。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。