使用约束支配集的弱监督语义分割
计算机视觉与模式识别
2019-09-23 v1
摘要
大规模数据集的可用性是深度学习语义分割方案的基本前提。由于获取像素级标签极其昂贵，近年来，使用低成本弱标注来监督深度语义分割网络一直是一个有吸引力的研究问题。在这项工作中，我们探索了约束支配集（CDS）在生成多标签全掩码预测以训练用于语义分割的全卷积网络（FCN）方面的潜力。我们的实验结果表明，与文献中为相同目的而采用的方法相比，使用CDS能产生更高质量的掩码预测。
引用
@article{arxiv.1909.09414,
title = {Weakly Supervised Semantic Segmentation Using Constrained Dominant Sets},
author = {Sinem Aslan and Marcello Pelillo},
journal= {arXiv preprint arXiv:1909.09414},
year = {2019}
}