Built-in Foreground/Background Prior for Weakly-Supervised Semantic Segmentation
摘要:获取像素级标注既昂贵又耗时。因此,仅使用图像标签的弱监督可能对语义分割产生重大影响。最近,基于CNN的方法已经提出使用图像标签来微调预先训练的网络,但是没有额外的信息,这导致定位精度差。然而,这个问题通过利用目标先验来生成前景/背景mask而得以缓解。不幸的是,这些先验要么需要训练像素级标注/边界框,要不然仍然产生不准确的对象边界。在这里,我们提出了一种新的方法来从预先训练的网络本身中提取明显更精确的mask,而不需要外部对象模块。这是使用高层卷积层的激活来完成的,通过密集的CRF来平滑。我们证明了基
翻译
2021-10-27 10:10:18 ·
481 阅读 ·
0 评论