多模型集成的弱监督语义分割算法

摘要：

为减小池化操作造成空间信息丢失的影响,提高基于迁移学习的弱监督语义分割算法的性能,提出一种多模型集成的弱监督图像语义分割算法.该算法在迁移学习算法的基础上,利用多尺度图像的高层语义特征和单尺度图像的高中层相结合的卷积特征,分别训练2个差异化的同质型基分割模型,并与原迁移学习训练的分割模型进行加权平均,集成构造最后的分割模型.同时结合预测类别可信度调整语义分割中对应类别像素的可信度,抑制分割图中的假正例区域,提高分割的精度.在VOC2012数据集上进行实验的结果表明,验证集上的平均重叠率为55.3％,测试集上的平均重叠率为56.9％,比原迁移学习算法分别提升6.1％和11.1％,也优于其他以类标为弱监督信息的语义分割算法.

关键词：语义分割、弱监督学习、迁移学习、模型集成

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFC0821102

在线出版日期：2019-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：800-807