2018年3月14日论文阅读

国外暂时略读！title（12）：BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation（BoxSup：利用边界框监督卷积网络进行语义分割）---20150518

abstract：最近领先的语义分割方法依赖于深度卷积网络，使用人工注释的像素级分割掩模进行训练。这种精确到像素的监督需要昂贵的标注工作量，并限制了通常受益于更多训练数据的深度网络的性能。在本文中，我们提出了一种可以实现同样精度的有竞争力的方法，而且只需要容易获得的边界框标注信息。基本思想是在自动生成区域的提议和训练卷积网络之间进行迭代。这两个步骤逐渐恢复分割掩模以改善网络，反之亦然。我们的方法称为“BoxSup”，仅通过边界框作为监督信息而产生与在相同的设置下全监督的强baselines（例如，63.8 ％mAP）具有同等竞争力的实验结果（例如，用于验证的62.0％的mAP）。通过利用大量边界框，BoxSup在PASCAL VOC 2012和PASCAL-CONTEXT [26]上进一步获得了最新的结果。