基于图神经网络的多数据集语义分割自动标签统一
计算机视觉与模式识别
2024-12-10 v3
摘要
深度监督模型具有显著的吸收大规模训练数据的能力，因而可以通过在多个数据集上进行训练来提升模型性能。然而，由于不同数据集之间标签空间的差异，可能对模型性能产生不利影响。本文提出了一种 novel 方法，通过图神经网络自动构建跨多个数据集的统一标签空间。这使语义分割模型能够同时在多个数据集上进行训练，从而实现性能提升。与现有方法不同，我们的方法无需额外的手动重新标注或分类学协调，显著提高了多数据集分割模型训练的效率和效果。结果表明，我们的方法在同时训练七个数据集时显著优于其他多数据集训练方法，并在WildDash 2基准上实现了最先进的性能。
引用
@article{arxiv.2407.10534,
title = {Automated Label Unification for Multi-Dataset Semantic Segmentation with GNNs},
author = {Rong Ma and Jie Chen and Xiangyang Xue and Jian Pu},
journal= {arXiv preprint arXiv:2407.10534},
year = {2024}
}