Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective
Abstract
CVPR 2018,西北工业大学和澳大利亚合作的文章.
监督学习的方法显著物体检测方法通常需要大量的标注(labor-intensive),并且可能阻碍了学习到的模型的泛化能力。本文提出一种新颖的若监督方法,从别的弱监督方法产生的结果进行学习,这些结果通常带有noise,因此本文提出y = y’ + n的思想,学习一个潜在的显著性预测模块和一个噪声模块。
Movitat...
原创
2018-05-02 21:03:05 ·
2358 阅读 ·
0 评论