面向语义分割自监督学习的多样化采样
计算机视觉与模式识别
2016-12-07 v1
摘要
我们提出一种纯粹从指示类别存在性的图像级分类标签学习类别级语义分割的方法。该方法利用训练分类任务卷积网络时涌现的定位线索，驱动一个“自监督”过程，自动标记一个稀疏、多样化的、可能属于感兴趣类别的训练点集。我们的方法几乎没有超参数，模块化，并且允许在不到 3 分钟内完成分割的极快速训练。它在 VOC 2012 分割基准上取得了有竞争力的结果。更重要的是，我们框架的模块化和快速训练特性允许高效地添加新类别进行推理。
引用
@article{arxiv.1612.01991,
title = {Diverse Sampling for Self-Supervised Learning of Semantic Segmentation},
author = {Mohammadreza Mostajabi and Nicholas Kolkin and Gregory Shakhnarovich},
journal= {arXiv preprint arXiv:1612.01991},
year = {2016}
}