【语义分割】Contour Knowledge Transfer for Salient Object Detection

论文提出了C2S-Net,通过解决手动标记问题,利用多任务模式提升语义分割精度。网络通过轮廓检测和语义分割两个任务互动,提出contour-to-saliency转移方法,减少轮廓与显著对象区域误差。在训练过程中,通过交互式训练避免局部最优,优化网络性能。
摘要由CSDN通过智能技术生成

这篇论文主要解决了标记mask问题,并使用多任务模式提高了语义分割的精度。

网络简称:C2S-Net

亮点

1、解决了手动注释问题,训练网络过程中自动标记mask;

2、采用multi-task模式,两个任务之间通过交互方式提高精度;

这篇论文主要做了两个task:

(1)轮廓检测;

(2)语义分割;

 

检测效果

 

主要贡献

(1)通过将训练有素的轮廓检测模型自动转换为显着性分割模型;

(2)提出了一种基于训练好的轮廓检测网络的新型轮廓到显着性网络(C2S-Net);

(3)介绍了一种简单而有效的contour-to-saliency transferring 方法,以减小轮廓和显着对象区域之间的误差(即mask标记方法)

 

模型过程:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

行者无疆兮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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