静如脱兔(⋌▀¯▀)=☞动如脱兔的博客

FickleNet论文笔记—FickleNet: Weakly and Semi-supervised Semantic Image Segmentation using Stochastic InferenceAbstractIntroductionContributionRelated WorkProposed MethodExperiments二级目录三级目录Abstract大多数基于图像级标注的语义分割方法都采用分类器生成定位映射的方法，但这些定位映射仅聚焦于small discriminati

DFPN论文笔记:Coarse-to-fine Semantic Segmentation from Image-level LabelsAbstractIntroductionContributionRelated WorkProposed Approach方法概述生成coarse maskcoarse mask增强mask迭代优化扩展应用ExperimentsAbstract为减轻人工标注的压力，本文提出一种仅含图像级标签的迭代的coarse-to-fine(由粗到细)的语义分割框架首先通过CNN

PSA论文笔记（Learning Pixel-level Semantic Affinity with Image-level Supervisionfor Weakly Supervised Semantic Segmentation）AbstractIntroduction二级目录三级目录for Weakly Supervised Semantic Segmentation）)AbstractIntroduction二级目录三级目录...

MDC论文笔记（Revisiting Dilated Convolution: A Simple Approach for Weakly- and Semi- Supervised Semantic Segmentation）AbstractIntroductionChallengeTop-down approaches本文提出的方法ContributionRelated WorkProposed MethodDilated ConvolutionMulti-dilated Convolution for

STC论文笔记AbstractIntroduction挑战性问题显著性目标检测方法文章切入点本文提出的Simple to Complex框架ContributionRelated Work弱监督语义分割自步学习：每次迭代自动选择训练样本Proposed Method框架过程ExperimentsAbstract两个分割网络Initial-DCNN（显著性映射）和Enhanced-DCNN（预测分割mask）Introduction挑战性问题high intra-class variation（类

SEC论文笔记AbstractIntroductionRelated Work方法概述比较Proposed Method损失函数Experiments二级目录三级目录Abstract基于三个指导原则提出新的损失函数(1) 将较弱的定位线索作为种子(2) 基于图像中的类别信息扩展目标区域(3) 根据目标轮廓限制分割预测的边界通过对比试验进一步指出所提损失函数对分割性能的影响以及今后工作的一些切入点Introduction文章按如下3个切入点来设计混合的损失函数：分类网络如VGG、Ale

AE-PSL论文笔记AbstractIntroduction难点方法概述本文提出的Adversarial erasing(AE)方法ContributionRelated WorkProposed Method框架Object Region Mining with AEonline PSL for semantic segmentationExperiments之前写的一些笔记，可能有些观点参考过其他博主，欢迎认领，侵删，转载请注明出处，谢谢Abstract提出一种对抗擦除的方法定位目标区域为了提