SLRNet：基于标签复用的人体分解图像半监督语义分割
计算机视觉与模式识别
2022-09-20 v2
摘要
语义分割是一项具有挑战性的计算机视觉任务，需要大量像素级标注数据。生成此类数据耗时且昂贵，尤其在医学或法医人类学等专家稀缺的领域。尽管已提出众多半监督方法以充分利用有限标注数据与大量未标注数据，特定领域的真实数据集往往具有一些特征，既降低了现成最优方法的效力，又提供了利用这些特征构建新方法的契机。我们提出并评估了一种半监督方法，通过利用已有相似性为数据集中未标注图像复用可用标签，并在训练过程中动态加权这些复用标签的影响。我们在大型人体分解图像数据集上评估该方法，发现尽管概念简单，该方法在此数据集的分割上优于基于一致性与伪标签的最优方法。本文包含人体分解的图形内容。
引用
@article{arxiv.2202.11900,
title = {SLRNet: Semi-Supervised Semantic Segmentation Via Label Reuse for Human Decomposition Images},
author = {Sara Mousavi and Zhenning Yang and Kelley Cross and Dawnie Steadman and Audris Mockus},
journal= {arXiv preprint arXiv:2202.11900},
year = {2022}
}