论文阅读:Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation

Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation

摘要

摘要
弱监督语义分割,现有的目标区域挖掘方法,通常不考虑对象的大小,并且是一个单调的挖掘所有的对象区域的过程。

而大目标的挖掘区域的数量和规模不足,小目标的挖掘区域容易受到周围背景的污染。

本文针对此问题,提出一个 multi-miner 框架来执行区域挖掘过程,该过程能够自适应不同的目标大小,从而能够挖掘出更完整、更精细的目标区域

Intruduction

在这里插入图片描述

该方法自适应地对不同对象,采取不同区域的挖掘步数,大目标挖掘步数多,小目标挖掘步数少。因此该方法比现有的方法挖掘的目标区域更完整、更精细。

自适应挖掘的关键在于何时停止或继续挖掘。这里利用了一个 parallel modulator,它可以简单地实现为 multi-label 分类器,通过检查每个对象是否含有剩余对象区域来控制挖掘过程。然后,modulator 指导 category-aware generator 去继续或停止对每个对象的区域挖掘。所以,每个对象的挖掘步数可以自适应它的大小。

区域挖掘过程中,由于叠加卷积层,使得输入图像的空间分辨率不能保持,因此在区域挖掘过程中不可避免地会包含一些背景。为了缓解这个问题,提出一个 multi-scale 训练策略。小尺寸的输入可以提供关于整个对象的全局信息,而大尺寸的输入提供关于细节的信息。

在这里插入图片描述
对上述的内容概况一下:

在这里插入图片描述

方法

object-adaptive region mining

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200910164649688.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2MjI0Mj
I1,size_16,color_FFFFFF,t_70#pic_center)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

multi-scale training strategy

在这里插入图片描述

connection with distribution mapping

在这里插入图片描述

实验

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

原文下载

点击下载

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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