SegRCDB：基于公式驱动监督学习的语义分割
计算机视觉与模式识别
2023-10-02 v1
摘要
预训练是一种增强视觉模型以在少量标注图像下高效训练的强大策略。在语义分割中，创建标注掩码需要大量的劳动和时间，因此，带有语义标签的大规模预训练数据集极难构建。此外，语义分割预训练中什么才是关键尚未被充分研究。在本文中，我们提出了分割径向轮廓数据库（SegRCDB），首次将公式驱动监督学习应用于语义分割。SegRCDB 能够在无需真实图像或任何人工语义标签的情况下进行语义分割的预训练。SegRCDB 基于对语义分割预训练中重要因素的洞察，并允许高效的预训练。在使用相同数量训练图像对 ADE-20k 和 Cityscapes 进行微调时，使用 SegRCDB 的预训练比使用 COCO-Stuff 的预训练取得了更高的 mIoU。SegRCDB 通过实现无需人工标注即可创建大型数据集，具有为语义分割预训练和研究做出贡献的巨大潜力。SegRCDB 数据集将在允许研究和商业使用的许可下发布。代码见：https://github.com/dahlian00/SegRCDB
引用
@article{arxiv.2309.17083,
title = {SegRCDB: Semantic Segmentation via Formula-Driven Supervised Learning},
author = {Risa Shinoda and Ryo Hayamizu and Kodai Nakashima and Nakamasa Inoue and Rio Yokota and Hirokatsu Kataoka},
journal= {arXiv preprint arXiv:2309.17083},
year = {2023}
}
备注
ICCV2023. Code: https://github.com/dahlian00/SegRCDB, Project page: https://dahlian00.github.io/SegRCDBPage/