基于伪标签的半监督视频显著目标检测
计算机视觉与模式识别
2019-12-02 v2
摘要
基于深度学习的视频显著目标检测近期取得了巨大成功，其性能显著优于任何其他无监督方法。然而，现有的数据驱动方法严重依赖大量逐像素标注的视频帧以给出如此有前景的结果。本文中，我们利用伪标签解决半监督视频显著目标检测任务。具体而言，我们提出了一种有效的视频显著性检测器，由空间细化网络和时空模块组成。基于相同的细化网络以及光流形式的运动信息，我们进一步提出了一种从稀疏标注帧生成像素级伪标签的新方法。通过利用生成的伪标签与部分人工标注，我们的视频显著性检测器学习用于对比推断和一致性增强的空间与时间线索，从而生成准确的显著性图。实验结果表明，我们提出的半监督方法甚至在VOS、DAVIS和FBMS三个公开基准上大幅优于所有最先进的完全监督方法。
引用
@article{arxiv.1908.04051,
title = {Semi-Supervised Video Salient Object Detection Using Pseudo-Labels},
author = {Pengxiang Yan and Guanbin Li and Yuan Xie and Zhen Li and Chuan Wang and Tianshui Chen and Liang Lin},
journal= {arXiv preprint arXiv:1908.04051},
year = {2019}
}
备注
ICCV2019, code is available at https://github.com/Kinpzz/RCRNet-Pytorch