ICCV2021
文章平均质量分 94
学习不易
直到有一天,可以和你并肩站立
展开
-
ICCV2021 Exploring Cross-Image Pixel Contrast for Semantic Segmentation (Oral)
当前的语义分割方法仅侧重于通过上下文聚合模块(例如,扩张卷积、神经注意力)或结构感知优化标准(例如,类 IoU 损失)来挖掘“局部”上下文,即各个图像内像素之间的依赖关系。然而,他们忽略了训练数据的“全局”上下文,即不同图像的像素之间丰富的语义关系。受无监督对比表示学习最新进展的启发,我们提出了一种在完全监督环境下进行语义分割的逐像素对比算法。核心思想是强制属于同一语义类的像素嵌入比来自不同类的嵌入更相似。它通过明确探索以前很少探索的标记像素的结构,提出了用于语义分割的像素级度量学习范例。原创 2023-09-07 16:46:55 · 445 阅读 · 0 评论 -
ICCV2021 Semi-Supervised Semantic Segmentation With Pixel-Level Contrastive Learning...
这项工作提出了一种半监督语义分割的新方法。这种方法的关键要素是我们的对比学习模块,它强制分割网络为整个数据集中的同类样本产生相似的像素级特征表示。为了实现这一目标,我们维护一个,该不断更新来自标记数据的相关且高质量的特征向量。在端到端训练中,标记和未标记数据的特征都被优化为与Memory Bank中的同类样本相似。我们的方法不仅优于当前半监督语义分割的最新技术,而且还优于众所周知的公共基准的半监督域适应,在最具挑战性的场景(即可用标记数据较少)上有更大的改进。代码可在获取。原创 2023-08-28 10:16:20 · 224 阅读 · 0 评论