【Decoupled NN】Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation

最新推荐文章于 2023-04-12 22:22:10 发布
最新推荐文章于 2023-04-12 22:22:10 发布
阅读量582 收藏 1
点赞数
分类专栏： 论文阅读
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/github_37973614/article/details/86235570
版权
该论文提出了一种新的半监督语义分割方法，将语义分割任务解耦为分割和分类两个独立任务，分别用不同的网络训练。这种方法避免了迭代过程，易于复现，并在PASCAL VOC数据集上取得优秀成绩。论文指出，相比于全监督和弱监督方法，该模型更适用于少量分割标签和大量分类标签的情况，通过桥接层将分类信息传递给分割网络。
摘要由CSDN通过智能技术生成

在这里插入图片描述

论文是发表在NIPS 2015年上的论文。

文章目录

概述

  • 解决的问题
    • 半监督语义分割。
  • 采用的方法
    • 【在Abstract部分也说了】在当时，许多的方法都是将语义分割作为基于区域分类的单任务问题。
    • 所以这篇论文就提出了一个将语义分割解耦为分割和分类问题的半监督网络。且分割和分类两个任务的网络是单独训练。【半监督处于弱监督和全监督之间】
    • 文章说了这么做有几个好处：(1) training does not require iterative procedure, (2) algorithm is easy to reproduce,(3) 两个网络单独训练可以为分割减少搜索空间。
  • 结果
    • 相较于当时的半监督学习方法，在PASCAL VOC数据集上取得了十分不错的成绩。
  • Contributions
    • 文章中也引用了FCN和DeepLabv1，但是paper说这些论文需要大量的pixel-wise的Groud truth，无疑会带来很大的代价。会导致这种全监督的网络很难去扩展到类别特别多的数据中。
    • 另一些半监督或者弱监督方法，会缓解上述的数据标注问题࿰
最低0.47元/天 解锁文章
One__Coder
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文笔记之：Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation
a1424262219的博客
04-25 195
Decoupled Deep Neural Network forSemi-supervised Semantic Segmentation xx 转载于:https://www.cnblogs.com/wangxiaocvpr/p/5430600.html
探索半监督语义分割的未来之路：Awesome-Semi-Supervised-Semantic-Segmentation
最新发布
gitblog_00009的博客
06-23 223
探索半监督语义分割的未来之路：Awesome-Semi-Supervised-Semantic-Segmentation 项目地址:https://gitcode.com/BBBBchan/Awesome-Semi-Supervised-Semantic-Segmentation 在深度学习领域，语义分割作为图像理解的关键技术，已经取得了显著的进步。然而，高质量标注数据的稀缺性和高昂成本仍然是阻碍...
Decoupled deep neural network for semi-supervised semantic segmentation 笔记
zjl-wgf
03-22 892
论文阅读笔记十四：Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation（CVPR2015）...
weixin_34111819的博客
11-05 246
论文链接：https://arxiv.org/abs/1506.04924 摘要 该文提出了基于混合标签的半监督分割网络。与当前基于区域分类的单任务的分割方法不同，Decoupled 网络将分割与分类任务分离，并为每个任务单独学习一个分离的网络。分类网络识别与图片相关的标签，然后在每个识别的标签中进行二进制的分割。Decoupled网络可以基于图像级别标签学习分类网络，...
[半监督学习] Deep Co-Training for Semi-Supervised Image Recognition
不定期更新 Web 开发及机器学习相关博客
02-19 3790
Deep Co-Training(DCT), 通过最小化两个网络在 $\mathcal{U}$ 上的预测之间的 JS 散度来模拟 Co-Training 假设. 为了避免 collapsed neural networks, 通过训练对抗样本来施加视图差异约束(View Difference Constraint).
Decoupled Attention Network for Text Recognition——论文解读
01-08
文章提出了一个 a decoupled attention network (DAN)网络。其主要由：1.特征采集器;2.一个卷积对齐模块，根据编码器的输出进行特征对齐；3.一种解耦的文本解码器，通过联合使用特征图和注意图进行最终预测 介绍 ...
DeFRCN Decoupled Faster R-CNN for Few-Shot Object Detection.pdf
11-21
Faster R-CNN由两部分组成：Region Proposal Network (RPN) 和 Region-based Convolutional Neural Network (RCNN)。RPN负责生成候选区域，而RCNN则对这些区域进行分类和定位。此外，Faster R-CNN还同时执行分类和...
A decoupled numerical method for two-phase flows of different de
01-01
在本文中，研究人员探讨了一种针对叠置流体和多孔层中不同密度和粘度两相流的解耦数值方法。这个问题在多种科学和工程领域具有广泛应用，特别是在描述地下水与地表水混合的地下河区（hyporheic zone）的流动现象时。...
3-node-system-Fast-Decoupled.zip_decoupled_fast decoupled
07-15
Power flow calculation for sustainable power system university Brunel London. 3 busbar system fast decoupled method.
drupal-decoupled-workshop:解耦Drupal的工作室环境
04-06
解耦的Drupal工作坊 :waving_hand: 欢迎来到 Drupal研讨会资料库！... 有一个workshop_demo模块，可将Umami演示配置文件转换为无头内容存储库。...react-demo文件夹一个使用动态路由的非常基本的Create React App –仅有两...
【弱监督学习】Semi-Supervised Semantic Segmentation Using Unreliable Pseudo-Labels
weixin_43728604的博客
11-01 1251
这是一篇在2022年发表在CVPR上的有关弱监督语义分割的文章，文章关注使用图像级标签进行语义分割弱监督训练。现有方法通常产生伪标签，然后通过某种方法对伪标签进行过滤，仅仅使用可靠的像素来进行弱监督训练，然而这样通常会损失大量的像素，导致许多没有被判定为可靠的像素没有被使用，为了提高无像素级标签数据的使用率，本文提出了了U2PL框架。
【综述】半监督语义分割
m0_61899108的博客
04-12 1212
图像分割是最古老、研究最广泛的计算机视觉 (CV) 问题之一。图像分割是指将图像划分为不同的非重叠区域，并将相应的标签分配给图像中的每个像素，最终获得ROI区域位置及其类别信息。一般，我们将分割任务分为语义分割和实例分割，前者是将每个像素与相应的语义类别进行分类，从而为属于该类别的所有对象或图像区域赋予相同的类别标签；后者则更进一步，试图区分出同一类别的不同实例（如上图所示）。本文主要围绕语义分割进行展开介绍。
语义分割 - Semantic Segmentation Papers
热门推荐
长风破浪会有时，直挂云帆济沧海
05-23 2万+
Semantic Segmentation Learning a Discriminative Feature Network for Semantic Segmentation - CVPR2018 - Face++ [Paper] Vortex Pooling: Improving Context Representation in Semantic Segmentation - 2018...
语义分割深度学习方法集锦
生如蚁，美如神
01-19 1万+
转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage
多篇用DL做Semantic Segmentation的文章总结
轻枫叶跃的专栏
10-27 2万+
这是我在其中一篇文章(deconvolution network)中看到的近期一些方法的评估表: 下面谈到的一些文章整理都是关于以上的方法。 1.      FCN8s 文章出处：CVPR2015-FullyConvolutional Networks for Semantic Segmentation CNN对分类问题的效果非常好，但不适合直接做分割； CNN模型的输
论文解读《Semi-supervised Semantic Segmentation with Error Localization Network》
weixin_37591159的博客
07-15 1365
111111
Semi-Supervised Semantic Image Segmentation with Self-correcting Networks：基于自校正网络的半监督语义图像分割
阿波
03-26 3184
本文记录下阅读 CVPR2020论文 其中的《基于自校正网络的半监督语义图像分割》，更新于2020.3.6 —— 阿波 目录AbstractIntroductionRelated WorkProposed Approach3.1.辅助分割模型3.2. 无自我纠正3.3. 线性自校正3.4 卷积自校正Experiments4.1. 帕斯卡VOC数据集4.2.城市景观数据集5.Conclusion...
Semi-Supervised Semantic Image Segmentation with Self-correcting Networks_CVPR2020
Cloris_Sue的博客
03-25 2270
Semi-Supervised Semantic Image Segmentation with Self-correcting Networks_CVPR2020 这篇文章是CVPR2020的，是基于自校正网络的半监督语义分割。 摘要 摘要里面指出，建立一个大型的图像数据集来进行语义分割是非常昂贵和耗时的。因此，本文中介绍了一个半监督框架，它的训练数据是：一个小型的全监督数据集(具有语义分割标签...
ea-net:: edge-aware network for brain structure segmentation via decoupled h
09-20
脑结构分割是医学图像分析中的重要任务，它可以帮助医生快速、准确地识别出脑的各个结构，为疾病诊断和治疗提供依据。 ... 而这种边缘感知网络的关键之处在于其采用了分离式h。...它通过学习图像的边缘信息，能够准确地...
评论
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