面向弱标记语义视频目标分割的半监督域适应
计算机视觉与模式识别
2016-06-08 v1
摘要
深度卷积神经网络(CNN)在给定大型标注数据集的许多高级计算机视觉任务中取得了巨大成功。然而，对于标签稀缺的视频语义目标分割领域，在训练数据有限的情况下有效利用 CNN 的表示能力仍然是一个挑战。简单借用现有的预训练 CNN 图像识别模型用于视频分割任务会严重损害性能。我们提出了一种半监督方法，通过利用从 CNN 学到的语义证据和视频数据的内在结构，将从标注图像数据训练的 CNN 图像识别模型适应到目标域。通过显式建模并补偿从源域到目标域的域偏移，所提出的方法为自然视频中外观、形状和遮挡的变化提供了一种稳健的语义目标分割方法。我们在具有挑战性的数据集上进行了大量实验，证明了我们的方法与现有最优方法相比的优越性能。
引用
@article{arxiv.1606.02280,
title = {Semi-Supervised Domain Adaptation for Weakly Labeled Semantic Video Object Segmentation},
author = {Huiling Wang and Tapani Raiko and Lasse Lensu and Tinghuai Wang and Juha Karhunen},
journal= {arXiv preprint arXiv:1606.02280},
year = {2016}
}