CenterMask: Single Shot Instance Segmentation With Point Representation作者 | Yuqing Wang, Zhaoliang Xu, Hao Shen, Baoshan
參考連結:論文筆記 Learning Pixel-level Semantic Affinity with Image-level Supervisionfor Weakly Supervised Semantic Segmentation
具體得到下面三個貢獻:1、將在自監督深度估計過程中學習到的特徵知識遷移到語義分割中2、透過使用場景的幾何形狀混合影象和標籤來實現強大的資料增強3、利用深度特徵的多樣性以及在學生-教師框架中學習深度的困難程度來選擇最有用的樣本來進行語義分割的
Combined with the cross-entropy loss, our method uses an adversarial loss that encourages the segmentation network to pr
從粗到細推演的下一步是對每個畫素進行預測,早前的方法已經將卷積網路用於語義分割 [30,3,9,31,17,15,11] ,其中每個畫素被標記為其封閉物件或區域的類別,但是這項工作也有缺點我們研究表明,完全卷積網路(FCN)訓練端到端,語義
com/JialeCao001/SipMask備註 | ECCV 2020Learning with Noisy Class Labels for Instance Segmentation作者 | Longrong Yang, Fanma
com/video/1167245496732336128這一篇要為大家介紹一款非常強大的外掛,它集成了一系列機器學習演算法,透過在同一張圖片上學習不同細胞的特徵,進行快速的2D/3D影象分割:Trainable Weka Segmenta
pdf這是一篇把 attention 幾乎從頭加到尾的方法,相似文章可以看這裡:Single Shot Text Detector with Regional Attention文章針對檢測問題存在的 semantic informatio
Weng et al [107] first proposed a NAS-UNet for medical image segmentation
data synthesis-based, 基於資料合成的loss function-based, 基於損失函式的sequenced models, 基於序列的模型weakly supervised, 弱監督模型multi-task met
[6] Zian Wang, David Acuna, Huan Ling, Amlan Kar, and Sanja Fidler