这是未曾探索的,目前只有极少工作进行相关研究,如2022CVPR的工作TWIST: Two-Way Inter-Label Self-Training for Semi-Supervised 3D Instance Segmentation,全景分割更是暂时没找到。希望后续能够基于传统的半监督语义分割经验,朝新领域发展。 Expressions excessively 过渡地 deem 认为、视为,相信 elaborate 详细阐述 ...
论文链接:Semi-supervised Semantic Segmentation with Prototype-based Consistency Regularization 代码链接:github.com/HeimingX/sem NeurIPS 2022的工作。斜体是我的补充。 Introduction 动机:半监督语义分割任务的一个挑战是大的类内变化,即属于同一类的区域即使在相同的图像中也可能表现出非常不同的外观(low-level)。
3.3 CutOut and CutMix for semantic segmentation在UDA[38]和FixMatch[34]中,Cutout[11]在半监督分类中产生了很强的结果。UDA消融研究表明,Cutout在半监督性能中贡献了大部分,而FixMatch消融表明,Cutout可以匹配CTAugment使用的14个图像操作组合的效果。DeVries等人[11]认为,Cutout鼓励网络利用更广泛的特征,以克服当前...
这是我入AI读的第一篇paper,很简单却很经典的思路。 1.题目:Semi-supervised Segmentation of Optic Cup in Retinal Fundus Images Using Variational Autoencoder(使用VAE对视网膜光学杯进行半监督分割) 2.Paper来源:MICCAI 2017;作者,IBM实验室。 3.背景:这篇文章是对视杯进行分割,对于青光眼等疾病中,杯盘比(C/...
Semi-supervised Semantic Segmentation with Directional Context-aware Consistency 收录于CVPR2021原文 Motivation 一致性在半监督语义分割中发挥了重大作用,一般意义上的一致性是通过约束弱数据增强方式(高斯模糊,色彩变化,翻转,旋转)的分割结果相同实现的,但是这种低层面的一致性约束是考虑了像素级别的一致性,而忽略了语义...
Superpoint-guided Semi-supervised Semantic Segmentation of 3D Point Clouds 超点指导下的三维点云的半监督式语义分割 摘要 三维点云语义分割是计算机视觉领域的一个挑战性课题。文献中的大多数方法都需要大量的完全标记的训练数据,但通过手动标记大量的点云来获得这些训练数据是非常耗时的。为了解决这个问题,我们提出了...
作者采用Deeplab-v2框架,将在ImageNet数据集和MSCOCO数据集上预先训练的ResNet-101模型作为分割基准网络。但是,作者不使用Deeplab-v2中提出的多尺度融合,因为它会占用单个GPU上的所有内存,并且使训练鉴别器变得不切实际。类似于最近的语义分割方法,作者删除了最后一个分类层,并将最后两个卷积层的跨度从2变为1,从而使...
Semi-supervised point cloud segmentation using self-training with label confidence prediction Li等人(2021b) 基于伪标签置信度预测的半监督分割方法,额外设计判别网络(discriminator network),该网络目标是区分预测结果和真实标注,并对无标注点云的预测结果输出置信度预测,对判别网络的训练更好地促进了整个网络对无标注...
半监督分割模型Semi-supervised Semantic Segmentation via Strong-weak Dual-branch Network论文阅读笔记,程序员大本营,技术文章内容聚合第一站。
https://github.com/Haochen-Wang409/U2PLgithub.com/Haochen-Wang409/U2PL 摘要 半监督语义分割的关键是为未标记图像的像素分配足够的伪标签。一种常见的做法是选择高置信度的预测作为伪gt,但它会导致一个问题,即大多数像素可能由于其不可靠性而没有被使用。我们认为每个像素对模型训练都很重要,即使它的预测...