10.3969/j.issn.2095-2163.2020.08.002
基于学习的弱监督和半监督图像语义分割算法
图像语义分割致力于将图像中的内容识别出来,即识别出图像中每个位置像素的类别.基于全卷积神经网络的语义分割方法取得了良好的进展,然而这种方法需要大量的且极其耗时的像素级别的标注,为了解决这个问题,基于弱监督和半监督的研究逐渐受到关注.在目前的弱监督和半监督算法中,大部分使用基于手工设计的算法来生成图像区域建议,没有充分利用图像的边界框标注信息.针对这个问题,本文提出了基于学习的弱监督和半监督图像语义分割算法.在全卷积分割网络基础上,利用边界框标注信息,学习出一个通用的图像二元分割模型,再生成图像区域建议,可以更好的利用图像的全局信息和边界框的位置信息.在基准数据集Pascal VOC上的实验结果证明,本文的算法性能已经超过目前的优秀的算法.
弱监督、卷积神经网络、图像语义分割
10
TP391.4(计算技术、计算机技术)
2021-06-07（万方平台首次上网日期，不代表论文的发表时间）
共4页
1-3,9
