用于弱监督地理语义分割的反馈神经网络
计算机视觉与模式识别
2016-12-09 v1
摘要
从弱监督数据中学习是机器学习和计算机视觉中的主要挑战之一，尤其是对于诸如图像语义分割等标注极其昂贵且主观的任务。在本文中，我们提出一种新颖的神经网络架构，通过抑制不相关的神经元激活来执行弱监督学习。它通过端到端方式从图像级类别标签中学习来定位感兴趣物体。我们将该算法应用于一个实际挑战：将卫星图像转换为聚落与独立建筑的地图。实验结果表明，与各种基线模型相比，所提算法实现了更优的性能与效率。
引用
@article{arxiv.1612.02766,
title = {Feedback Neural Network for Weakly Supervised Geo-Semantic Segmentation},
author = {Xianming Liu and Amy Zhang and Tobias Tiecke and Andreas Gros and Thomas S. Huang},
journal= {arXiv preprint arXiv:1612.02766},
year = {2016}
}
备注
9 pages, 4 figures