用于弱监督分割的约束卷积神经网络
计算机视觉与模式识别
2015-10-20 v2 机器学习
摘要
我们提出一种从图像级标签学习密集像素级标注的方法。每个图像级标签对卷积神经网络（CNN）分类器的输出标注施加约束。我们提出约束卷积神经网络（CCNN），一种使用新颖损失函数优化 CNN 输出空间（即预测标签分布）上任意线性约束集的方法。我们的损失公式易于优化，并可直接纳入标准随机梯度下降优化中。关键思想是将训练目标表述为线性模型的双凸优化，然后我们将其松弛到非线性深度网络。大量实验证明了我们新学习框架的通用性。该约束损失在弱监督语义图像分割上产生了最先进的结果。我们进一步证明增加少量更多监督可极大改善学习算法的性能。
引用
@article{arxiv.1506.03648,
title = {Constrained Convolutional Neural Networks for Weakly Supervised Segmentation},
author = {Deepak Pathak and Philipp Krähenbühl and Trevor Darrell},
journal= {arXiv preprint arXiv:1506.03648},
year = {2015}
}
备注
12 pages, ICCV 2015