ScribbleSup：用于语义分割的涂鸦监督卷积网络
计算机视觉与模式识别
2016-04-19 v1
摘要
大规模数据对于学习语义分割模型至关重要，但标注逐像素掩码是繁琐低效的过程。我们注意到在交互式图像分割领域，涂鸦(scribbles)在学术研究和商业软件中广泛使用，并被公认为最用户友好的交互方式之一。本文提出使用涂鸦标注图像，并开发了一种由涂鸦监督训练卷积网络进行语义分割的算法。我们的算法基于一个图模型，该模型联合将信息从涂鸦传播到未标记像素并学习网络参数。我们利用涂鸦作为标注，在PASCAL VOC数据集上给出了有竞争力的物体语义分割结果。涂鸦也适用于标注没有明确形状的物质（如水面、天空、草地），得益于额外廉价的涂鸦标注，我们的方法在PASCAL-CONTEXT数据集上展现出优异结果。我们在PASCAL VOC上的涂鸦标注发布于 http://research.microsoft.com/en-us/um/people/jifdai/downloads/scribble_sup
引用
@article{arxiv.1604.05144,
title = {ScribbleSup: Scribble-Supervised Convolutional Networks for Semantic Segmentation},
author = {Di Lin and Jifeng Dai and Jiaya Jia and Kaiming He and Jian Sun},
journal= {arXiv preprint arXiv:1604.05144},
year = {2016}
}
备注
accepted by CVPR 2016