16-STC_A_Simple_to_Complex_Framework_for_Weakly-supervised_Semantic_Segmentation

最新推荐文章于 2023-06-12 09:29:53 发布
最新推荐文章于 2023-06-12 09:29:53 发布
阅读量264 收藏
点赞数
分类专栏： 语义分割 弱监督学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010067397/article/details/85220957
版权

主要思想

作者的核心思想是提出了层层递进的三个DCNN，用前一个CNN的结果来作为下一个CNN的结果。

具体来讲，作者一共训练了三个网络：Initial DCNN、Enhanced DCNN和Powerful DCNN。分别解释如下：

  • Initial DCNN：

    其实可以把它当作是一个有显著性检测功能的CNN，但“它”能够知道显著性的物体是什么。具体实现是由DRIF方法生成Saliency Map，再结合Image level label，来训练网络。

  • Enhanced DCNN： 这一层主要是用来refine每一个物体的分割模版。由于I-DCNN在训练过程中，使用DRIF会有很大噪声，因此这时候就需要我们的“弱标签”出场了。 说白了，这个DCNN就是对上一个的一个refine。

  • Powerful DCNN:

    有了上述简单图像的分割之后，我们需要对复杂的多目标的图像进行分割了，这时候，以E DCNN生成的结果作为P DCNN的GroundTruth来训练P DCNN。

贡献

  • 我们提出了STC网络结构来有效实现弱监督学习；
  • 引入多标签交叉熵损失函数以基于显着性映射训练分割网络，其中每个像素可以自适应地贡献具有不同概率的前景类和背景。

网络结构

1545532923548

Initial-DCNN

  • 提出的损失函数

1545533104039

1545533153797

jiyeyong
关注
专栏目录
论文笔记--STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation
隐匿人海的博客
11-23 2274
---------------------- 论文是作为组内论文报告为大家讲述的，现在将一些重要思想摘录如下。 ---------------------- 论文是9月份NUS的发表在arXiv上的，论文模板是TPAMI的模板，貌似是要投TPAMI的短文么？ 言归正传，现在还是说论文吧。 论文题目是STC，即Simple to Complex的一个框架，使用弱标签
《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记
lytxiaohou的博客
12-24 969
《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法框架及细节Initial DCNNEnhanced-DCNNPowerful-DCNN后记 学习笔记，如有谬误，还请不吝赐教！ 解决的问题以及方法 Image level的弱监督分割算...
论文笔记（3）：STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation
weixin_30622107的博客
01-02 337
论文题目是STC，即Simple to Complex的一个框架，使用弱标签（image label）来解决密集估计（语义分割）问题。 2014年末以来，半监督的语义分割层出不穷，究其原因还是因为pixel级别的GroundTruth太难标注，因此弱监督成了人们研究的一个热门方向。 作者的核心思想是提出了层层递进的三个DCNN。 具体来讲，作者一共训练了三个网络：Initial D...
[论文笔记]STC: A Simple to Complex Framework
静如脱兔(⋌▀¯▀)=☞动如脱兔的博客
05-17 676
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Experiments Abstract 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
一种简单的文本监督语义分割框架
最新发布
qq_45745941的博客
06-12 1448
文本监督语义分割是一个新颖的研究课题，它允许在图像文本对比的情况下出现语义片段。然而，开创性的方法可能受制于专门设计的网络架构。本文证明了一般对比语言图像预训练（CLIP）模型本身就是一种有效的文本监督语义分割器。首先，我们揭示了普通CLIP不如定位和分割，因为它的优化是由密集对齐的视觉和语言表示驱动的。其次，我们提出了局部驱动对齐（LoDA）来解决这个问题，其中CLIP优化是通过稀疏对齐局部表示来驱动的。第三，我们提出了一个简单分割（SimSeg）框架。
18-Weakly-Supervised-Semantic-Segmentation-Network-with-Deep-Seeded-Region-Growing
u010067397的专栏
12-30 2652
when cvpr18 what 本文研究了仅使用图像级标签作为监督来学习图像语义分割网络的问题，这一点很重要，因为它可以显着减少人类的标注工作。 最近关于该问题的最新方法首先使用深度分类网络推断每个对象类的稀疏和鉴别区域，然后使用鉴别区域作为监督来训练语义分割网络。 在种子区域扩展的传统图像分割方法的启发下，我们提出从鉴别区域开始训练语义分割网络，逐步增加种子区域扩展的像素级监督。种子区域...
语义分割-Unsupervised Domain Adaptation in Semantic Segmentation：a Review语义分割中的无监督领域自适应：综述
ssshyeong的博客
11-28 5090
对语义分割的深层网络的无监督域自适应（UDA）的最新进展进行综述。
弱监督的语义分割论文汇总（持续更新ing）
PRIS-SCMonkey的博客
05-27 6634
弱监督的语义分割论文汇总弱监督语义分割导读弱监督语义分割论文整理基于Bounding box的弱监督语义分割基于Image-level labels的弱监督语义分割基于Scribbles的弱监督语义分割基于Points的弱监督语义分割 弱监督语义分割导读 一般认为，图像级的标注是弱标注（例如图像分类的类别标注），像素级的标注是强标注（例如分割标注的mask标注），对于普通的分割任务来说： 数据是图像，标注是mask，这属于完全监督问题Supervised； 如果标注是annotations或者图像级标注，
字节跳动CVPR 2023论文精选来啦（内含一批图像生成新研究）
字节跳动技术范儿
04-04 5017
计算机视觉领域三大顶会之一的 CVPR 今年已经开奖啦。今年的 CVPR 将于六月在加拿大温哥华举办，和往年一样，字节跳动技术团队的同学们收获了不少中选论文，覆盖文本生成图像、语义分割、目标检测、自监督学习等多个领域，其中不少成果在所属领域达到了 SOTA（当前最高水平）。一起来看看这些成果吧~
重磅！字节跳动20篇论文入选CVPR 2023
阿木寺的博客
04-06 1695
计算机视觉领域三大顶会之一的 CVPR 今年已经开奖啦。今年的 CVPR 将于六月在加拿大温哥华举办，和往年一样，字节跳动技术团队的同学们收获了不少中选论文，覆盖文本生成图像、语义分割、目标检测、自监督学习等多个领域，其中不少成果在所属领域达到了 SOTA（当前最高水平）。一起来看看这些成果吧~一个简洁的文本监督语义分割框架A Simple Framework for Text-Supervise...
笔记：基于DCNN的图像语义分割综述
weixin_30843605的博客
01-10 619
写在前面：一篇魏云超博士的综述论文，完整题目为《基于DCNN的图像语义分割综述》，在这里选择性摘抄和理解，以加深自己印象，同时达到对近年来图像语义分割历史学习和了解的目的，博古才能通今！感兴趣的请根据自己情况找来完整文章阅读学习。　 图像的语义分割是计算机视觉中重要的基本问题之一，其目标是对图像的每个像素点进行分类，将图像分割为若干个视觉上有意义的或感兴趣的区域，以利于后续的图像分析和...
弱监督语义分割--Weakly Supervised Semantic Segmentation using Web-Crawled Videos
AI小作坊 的博客
06-09 9095
Weakly Supervised Semantic Segmentation using Web-Crawled Videos CVPR2017https://arxiv.org/abs/1701.00352一不小心看到了一篇关于弱监督的语义分割的文献，这才发现仅一个弱监督语义分割就是大坑啊，看看这篇文章的参考文献就知道了。与弱监督对应的就是强监督语义分割，即我们平时所说的语义分割，训练样本就是
简单的Ajax开发框架
johncools的博客
05-14 1987
    Ajax是一项综合的技术,Ajax的使用过程,首先是在HTML控件中添加相应的事件触发属性,使其具备事件触发能力;其次是编写事件处理函数,并在这个函数中初始化XMLHttpRequest对象,指定响应处理程序,创建http请求,设置必要的http请求头信息,向服务器发送所创建的http请求;最后才是创建响应处理函数,在对http请求状态进行判断的基础上作出既定的业务处理事务。      
Seed, Expand and Constrain: Three Principles for Weakly-Supervised Image Segmentation 论文笔记
Reborn的博客
06-10 3288
论文：https://arxiv.org/abs/1603.06098一、背景介绍弱监督的图像分割（Weakly-Supervised Image Segmentation）：    只有对于图像的类别标注，而没有对于图像中目标具体位置和目标类别的标注对于弱监督的图像分割提出一种新的损失函数，主要基于以下三点：Seeding Loss——对目标进行弱定位（weak localization）生成初...
论文阅读笔记 | (ICCV 2015) BoxSup
z止于至善的博客
04-04 3293
(ICCV 2015) BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation paper下载 Abstract pixel-accurate监督需要大量的标签工作量，并限制深度网络的性能，而这些网络通常受益于更多的训练数据。 文章提出generat...
极简笔记 多篇weakly supervised segmentation笔记
Hibercraft的博客
01-18 4027
极简笔记 多篇weakly supervised segmentation笔记 Backtracking ScSPM Image Classifier for Weakly Supervised Top-down Saliency 文章主要思想是通过遮挡部分区域，观察分类confidence的改变来决定pixel-level的预测。文章没有使用CNN结构，而是使用SIFT特征+稀疏编码+SVM进...
VALSE2018弱监督语义分割学习和总结2
IGIli的博客
05-11 5222
STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation魏云超（TPAMI 15）通过显著性物体检测的结果，自动地生成语义分割的标签。通过low-level vision得到的约束能够帮助我们在弱监督的语义分割的学习中，减少对人工标注的依赖。具体将这项工作所做的贡献总结如下：（1）提出了一个简单到复...
STC89C51RC-RD+_微控制器中文使用指南
资源摘要信息:"STC89C51RC-RD+-GUIDE-CHINESE" 知识点: 1. STC89C51RC-RD+系列介绍： STC89C51RC-RD+是STC系列单片机中的一员，属于51单片机的一种。STC单片机是一种广泛应用于嵌入式系统和智能控制领域的微控制器...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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