远程监督的道路分割
计算机视觉与模式识别
2017-08-22 v1
摘要
我们提出了一种在训练时仅需图像级标注的道路分割方法。我们利用远程监督，这允许我们使用与目标域不同的图像来训练模型。以大型公开图像数据库作为远程监督源，我们开发了一种自动生成弱像素级道路掩码的简单方法。这些掩码用于迭代训练全卷积神经网络，从而生成最终的分割模型。我们在 Cityscapes 数据集上评估了该方法，并将其与全监督方法进行了比较。此外，我们讨论了标注成本与性能之间的权衡。总体而言，我们的远程监督方法达到了全监督方法 93.8% 的性能，而所需的标注工作量减少了数个数量级。
引用
@article{arxiv.1708.06118,
title = {Distantly Supervised Road Segmentation},
author = {Satoshi Tsutsui and Tommi Kerola and Shunta Saito},
journal= {arXiv preprint arXiv:1708.06118},
year = {2017}
}
备注
Accepted for ICCV workshop CVRSUAD2017