当前位置:网站首页>上海交大最新《标签高效深度分割》研究进展综述,全面阐述无监督、粗监督、不完全监督和噪声监督的深度分割方法
上海交大最新《标签高效深度分割》研究进展综述,全面阐述无监督、粗监督、不完全监督和噪声监督的深度分割方法
2022-07-07 18:21:00 【智源社区】
论文链接:https://arxiv.org/pdf/2207.01223.pdf
随着深度学习的快速发展,计算机视觉的基本任务之一分割技术取得了很大的进展。然而,目前的分割算法主要依赖于像素级注释的可用性,这通常是昂贵的、繁琐的和费力的。为了减轻这种负担,在过去的几年里,人们越来越关注建立高效标签、基于深度学习的分割算法。本文对标签高效分割方法进行了全面的综述。为此,我们首先根据不同类型的弱标签(包括无监督、粗监督、不完全监督和噪声监督)提供的监督,并辅以分割问题类型(包括语义分割、实例分割和全景分割),制定了一个分类法来组织这些方法。接下来,我们从统一的角度总结了现有的标签高效分割方法,讨论了一个重要的问题: 如何弥合弱监督和密集预测之间的差距——目前的方法大多基于启发式先验,如跨像素相似度、跨标签约束、跨视图一致性、跨图像关系等。最后,我们对标签高效深度分割的未来研究方向提出了自己的看法。
边栏推荐
猜你喜欢
关于cv2.dnn.readNetFromONNX(path)就报ERROR during processing node with 3 inputs and 1 outputs的解决过程【独家发布】
Vulnhub tre1
CSDN语法说明
Machine learning notes - explore object detection datasets using streamlit
网络原理(1)——基础原理概述
Mrs offline data analysis: process OBS data through Flink job
机械臂速成小指南(十一):坐标系的标准命名
Splicing and splitting of integer ints
Cloud 组件发展升级
一键部署Redis任意版本
随机推荐
毕业季|遗憾而又幸运的毕业季
Phoenix JDBC
POJ 1742 Coins ( 单调队列解法 )「建议收藏」
深度学习模型压缩与加速技术(七):混合方式
YoloV6:YoloV6+Win10---训练自己得数据集
【解决】package ‘xxxx‘ is not in GOROOT
Some important knowledge of MySQL
Force buckle 599 Minimum index sum of two lists
BI的边界:BI不适合做什么?主数据、MarTech?该如何扩展?
Micro service remote debug, nocalhost + rainbow micro service development second bullet
MIT科技评论文章:围绕Gato等模型的AGI炒作可能使人们忽视真正重要的问题
TS quick start - Generic
浅尝不辄止系列之试试腾讯云的TUIRoom(晚上有约,未完待续...)
Deep learning model compression and acceleration technology (VII): mixed mode
Graduation season | regretful and lucky graduation season
MSE API learning
搞定带WebKitFormBoundary post登录
CJSON内存泄漏的注意事项
pom. XML configuration file label: differences between dependencies and dependencymanagement
机器学习笔记 - 使用Streamlit探索对象检测数据集