面向图像分割任务的多任务自监督学习
机器学习
2023-02-07 v1 计算机视觉与模式识别
摘要
得益于人工智能和深度学习方法的突破，计算机视觉技术正在迅速改进。大多数计算机视觉应用需要精细的图像分割来理解图像内容，并便于对每个部分进行分析。训练用于语义分割的深度学习网络需要大量标注数据，这在实践中是一个主要挑战，因为生成此类数据成本高昂且耗费人力。本文提出：1. 利用自监督技术，通过与深度预测和表面法线估计的多任务学习来提升语义分割性能；2. 对多任务学习中使用的不同类型加权技术（UW, Nash-MTL）进行性能评估。性能评估使用了NY2D数据集。根据我们的评估，Nash-MTL方法优于单任务学习（语义分割）。
引用
@article{arxiv.2302.02483,
title = {Multi-Task Self-Supervised Learning for Image Segmentation Task},
author = {Lichun Gao and Chinmaya Khamesra and Uday Kumbhar and Ashay Aglawe},
journal= {arXiv preprint arXiv:2302.02483},
year = {2023}
}