[深度学习论文笔记][ICCV 17]Semi Supervised Semantic Segmentation Using Generative Adversarial Net

最新推荐文章于 2023-03-23 09:28:10 发布
最新推荐文章于 2023-03-23 09:28:10 发布
阅读量3.8k 收藏 7
点赞数 4
分类专栏： 深度学习论文笔记 文章标签： 深度学习 图像分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010158659/article/details/78649827
版权
本文介绍了如何将生成对抗网络（GAN）应用于语义分割，提出将分割网络视为判别器，使用GAN生成器扩大训练数据。通过修改判别器为全卷积结构，适应分割任务，并在多个数据集上验证了这种方法的有效性，提高了分割效果。
摘要由CSDN通过智能技术生成

[ICCV 17]Semi Supervised Semantic Segmentation Using Generative Adversarial Network

Nasim Souly, Concetto Spampinato and Mubarak Shah

from University of Central Florida and University of Catania

paper link

Motivation

第一篇将GAN应用在分割中的文章来自于[1]。在此之后出现的GAN+语义分割的文章也基本遵从[1]中的思路，即在传统语义分割训练框架中加一个adversarial loss，将分割网络视作生成器。这篇文章则是从另一个角度考虑问题，即将分割网络视作判别器，使用GAN的生成器扩展训练数据，从而提升训练效果。

从另一个角度来看问题，这篇文章的另一贡献在于对GAN本身的改造，即将判别器变成了FCN，以应用在分割问题中。

Method

文章的具体方法其实很简单，主要包含两点：判别器分类类别的定义，以及全卷积化的判别器。

假设分割类别数为K，那么判别器则有K+1个类别的输出。多出来的分类类别为”该像素为假像素”。训练时，使用标记的分割图像训练前K个通道，使用（真实图片，生成图片）图片组按照adversaria

最低0.47元/天 解锁文章
KFXW
关注
专栏目录
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
计算机视觉论文总结系列（三）：OCR篇
最新发布
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-14 1万+
本篇主要介绍OCR论文总结，主要从OCR论文、模型方法、论文链接进行全面总结介绍，重点论文已标注✨，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！
Semi-Supervised Learning with Generative Adversarial Networks
jsliuqun的博客
04-13 6933
通过使判别器网络输出类别标签将GAN扩展成半监督的。在一个N类别的数据集上训练生成模型G和判别模型D。训练时，D预测输入数据属于N个类别中的哪一个，加入一个额外的类别对应G的输出。我们证明，相对与普通的GAN，此方法可以用来生成一个更有效的分类器并可以生成高质量的样本。
论文笔记：Semantic Segmentation using Adversarial Networks
a1424262219的博客
04-27 660
Semantic Segmentation using Adversarial Networks 2018-04-2709:36:48 Abstract： 　　对于产生式图像建模来说，对抗训练已经取得了很好的效果。本文中，我们提出了一种对抗训练的方法来训练语义分割模型。其实这里就是加了一个对抗loss，即：用一个 CNN 来判断给定的图是分割的结果呢？还是 GT？本文方法的动机是：...
Semi and Weakly Supervised Semantic Segmentation Using Generative Adversarial Network
而濡木染
12-24 1160
Semi and Weakly Supervised Semantic Segmentation Using Generative Adversarial Network 3.3 Weakly Supervised learning using Conditional Generativate Adversarial Networks GAN的最近扩展是条件GAN [16]，其中向发生器和鉴别...
Semi-Supervised Learning with Generative Adversarial Networks（小白学GAN 七）
fan1102958151的博客
06-02 1077
原文链接：https://arxiv.org/pdf/1606.01583.pdf 简介
CVPR2022自适应/语义分割：Class-Balanced Pixel-Level Self-Labeling for Domain Adaptive Semantic Segmentation
ssshyeong的博客
11-01 2075
域自适应语义分割的目的是在监督源域数据的情况下学习模型，并在未标记的目标域上产生令人满意的密集预测。为解决上述问题，我们建议直接探索目标域数据的内在像素分布，而不是过度依赖源域。具体来说，我们同时对像素进行聚类，并使用获得的聚类分配对标签进行整流。这个过程以在线的方式完成，因此伪标签可以与分割模型共同进化，而不需要额外的训练。为了克服长尾类的类不平衡问题，我们采用一种分布对齐技术，使簇分配的边缘类分布接近于伪标签的边缘类分布。所提出的方法，即类平衡像素级自标记(CPSL)
计算机视觉论文总结系列（一）：目标检测篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-23 8358
本系列主要面向计算机视觉目标检测、图像分割及OCR等领域，每篇将对该领域论文等方面展开介绍，本篇主要介绍目标检测领域历年论文，希望大家能够多多交流如有错误请大家在评论区指正，如有侵权联系删除
Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf
05-22
Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf Weakly- and Semi-Supervised Learning of a Deep Convolutional Network for.pdf
[深度学习从入门到女装]Semantic Segmentation using Adversarial Networks
炼丹师
12-05 787
论文地址：Semantic Segmentation using Adversarial Networks   这篇文章应该是首次使用GANs来做语义分割的 这篇文章中提出，他们想要使用GANs来做语义分割的原因是想要使用high-order potentials，熟悉DeepLab的人应该知道，是使用分割网络做好分割之后，为了得到更好的局部细节，DeepLab使用了fcCRFs，全连接条件...
[semantic segmentation] using Adversarial Networks 论文学习
浅夏羽萱
08-11 1万+
这篇论文是首次将GAN思想用于semantic segmentation. 在GAN中，有生成器和判别器，生成器生成fake样本然后判别器进行鉴别，随着训练的进行，生成器的fake样本越接近与数据真实分布，判别器也越难分辨真伪。 将GAN用于分割，实际上，基本的分割网络（FCN, DeepLab, PSPNet......）就是GAN中的生成器。换句话说，GAN用于分割不需要另外再构造一个生成网络
【论文总结】weakly- and semi-supervised learning of a DCNN for semantic Image Segmentation
u011582187的专栏
05-13 5596
一、概述这篇文章研究了如何从弱注释的训练数据（如边界框或图像级标签）或少量强标记图像和许多弱标记图像的组合中学习DCNN用于语义图像分割的问题，在弱超监督和半监督条件下提出了期望最大化（EM）方法。代码：https://bitbucket.org/deeplab/deeplab-public二、研究内容文章将焦点放在用弱标签训练调参上，所以训练阶段没使用CRF，只在测试阶段使用。编码：m表示像素，...
语义分割-弱监督学习
weixin_33566282的博客
04-07 1177
CV论文笔记： https://github.com/ming71/CV_PaperDaily 知乎的文章，比较老，但可以查看先前的工作 https://zhuanlan.zhihu.com/p/23811946 新的 https://www.zhihu.com/question/53263115 该部分总结截止到2019年4月 https://github.com/JackieZhangdx/W...
CNN在基于弱监督学习的图像分割中的应用
11-21 1万+
最近基于深度学习的图像分割技术一般依赖于卷积神经网络CNN的训练，训练过程中需要非常大量的标记图像，即一般要求训练图像中都要有精确的分割结果。对于图像分割而言，要得到大量的完整标记过的图像非常困难, 因此使用弱监督学习可以克服这个问题。
《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记
lytxiaohou的博客
12-24 955
《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法框架及细节Initial DCNNEnhanced-DCNNPowerful-DCNN后记 学习笔记，如有谬误，还请不吝赐教！ 解决的问题以及方法 Image level的弱监督分割算...
Weakly-Supervised Semantic Segmentation by Iteratively Mining Common Object Features-CVPR2018论文笔记
weixin_41950276的博客
09-30 2982
Abstract.   在图像标签的的监督下，弱监督的语义分割任务是一件很困难的事情，因为他直接将high-level semantic和low-level appearence结合了起来。 Introduction.   在图像的label的监督下，弱监督的语义分割是对于图像进行像素级的分割，只能给图像中已经现存的语义物体提供 label。由于semantic segmentation只需...
基于matlab的fisher线性判别及感知器判别_【顶会100秒】IROS-2019：基于深度迁移学习的 GAN 和弱监督的语义分割方法...
weixin_39968724的博客
11-30 158
论文英文题目：Semantic Segmentation Using GAN and Weakly Supervised based on Deep Transfer Learning论文中译题目：基于深度迁移学习的 GAN 和弱监督的语义分割方法作者：Shuhuan Wen, Xiongfei Li, LuigiManfredi, Dan Zhang, Nannan Zhou编译：王家伟，刘博艺...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值