弱监督物体边界
计算机视觉与模式识别
2015-11-25 v1
摘要
最先进的(SOTA)基于学习的边界检测方法需要大量训练数据。由于标注物体边界是最昂贵的标注类型之一，有必要放宽对图像进行精细标注的要求，以使训练成本更低并增加训练数据量。本文提出一种生成弱监督标注的技术，表明仅依靠边界框标注即可在不使用任何物体特定边界标注的情况下获得高质量物体边界。利用所提出的弱监督技术，我们在物体边界检测任务上达到了最佳性能，大幅超越了当前全监督的SOTA方法。
引用
@article{arxiv.1511.07803,
title = {Weakly Supervised Object Boundaries},
author = {Anna Khoreva and Rodrigo Benenson and Mohamed Omran and Matthias Hein and Bernt Schiele},
journal= {arXiv preprint arXiv:1511.07803},
year = {2015}
}