2018年3月14日论文阅读
论文 14 2018 阅读
2023-09-14 08:59:36 时间
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。
相关文章
- 2018年3月13日论文阅读
- DL之SPP-Net:SPP-Net算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
- 如何阅读AI顶会论文?
- 华为云举办AI经典论文复现活动,打造领先AI开发者学习社区
- 答读者问(16):一个研二学生有关论文和学习的相关疑问
- 毕业设计 Spring Boot的网上租车管理系统(含源码+论文)
- 论文解读(MaskGAE)《MaskGAE: Masked Graph Modeling Meets Graph Autoencoders》
- 【讲座笔记】科研论文的构思、规划和写作--中南大帅词俊
- 英文论文写作语法避坑指南
- 转载:论文常用LaTeX代码
- 【目标检测论文解读复现NO.20】基于改进Yolov5的地铁隧道附属设施与衬砌表观病害检测方法