双域级联决策和协作标注自提升的鲁棒弱监督语义分割
引入网络图像是提升弱监督语义分割性能的有效方法,为了鲁棒地利用外部数据实现知识迁移,提出双域协作自提升的鲁棒迁移学习方法.首先通过网络域和目标域双域级联决策实现网络域到目标域数据的知识迁移,提升弱监督语义分割决策的鲁棒性;然后利用双域协作学习减少噪声图像,改善标注质量,提升网络域知识的可靠性.在通用数据集PASCAL VOC 2012验证集和测试集上,mIoU分别达到65.4%和65.9%,性能优于当前大多数弱监督语义分割方法,证明了所提方法的有效性.
弱监督学习、语义分割、级联决策、标注自提升
34
TP391.41(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金;之江实验室研究项目
2022-05-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
605-613