本文介绍了ScribbleSup算法，一种利用简单区域标记进行弱监督的图像分割方法。通过结合GrabCut的能量函数和FCN进行交替优化，实现图像分割。文章详细阐述了损失函数的构成，包括分类一致性、图像统计信息和GrabCut的能量项，并讨论了训练过程，揭示了其实质是先用GrabCut得到分割标签，再用CNN进行监督训练。
《ScribbleSup: Scribble-Supervised Convolutional Networks for Semantic Segmentation》笔记
for 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
弱监督的图像分割算法，用的是简单的区域标记（见图）来监督学习图像分割。不过解决方案就比较简单粗暴了，就是1.通过标记信息，利用grabcut的方法得到一个分割（所以这里就是一个能量函数的问题）。2.利用FCN来拟合分割。只不过这篇文章在训练（优化）的时候把这两步一起做了。（为啥呢？这和先grabcut再FCN有啥区别呢… 其实它实际做的时候也是1，2交替优化的…）
相关细节
主要就是优化一个损失函数
符号描述（这里用的是超像素x）
第一项：
意
最低0.47元/天 解锁文章
4965
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
