基于图像级标签及超像素块的弱监督显著性检测后印本

作者： 谭台哲 ^1,2 轩康西 ¹ 曾群生 ¹
作者单位：

1. 广东工业大学计算机学院

2. 河源广工大协同创新研究院
提交时间：2018-12-13 16:12:31

摘要: 针对获得训练数据集代价高昂问题，提出了一种用于图片显著性检测的弱监督新方法，在训练网络模型时仅使用图片级标签。方法分为两个阶段，在第一阶段，根据图片级标签训练分类模型，获得前景推断图；在第二阶段，对原图片进行超像素块处理，并与阶段一得到的前景推断图进行融合，从而细化显著对象边界。算法使用了现有的大型训练集和图像级标签，未使用像素级标签，从而减少了注释的工作量。在四个公共基准数据集上的实验结果表明，性能明显优于无监督的模型，与全监督模型相比也具有一定的优越性。

深度学习弱监督显著性检测超像素

分类： 计算机科学 >> 计算机科学的集成理论

期刊：

计算机应用研究

投稿状态： 已在期刊出版
引用： ChinaXiv:201812.00065 (或此版本 ChinaXiv:201812.00065V1)
DOI:10.12074/201812.00065V1
CSTR:32003.36.ChinaXiv.201812.00065.V1
科创链TXID： 7c52a543-6a54-43f8-8a93-491dafd15c72
推荐引用方式： 谭台哲,轩康西,曾群生.基于图像级标签及超像素块的弱监督显著性检测.计算机应用研究:https://chinaxiv.org/abs/201812.00065.[ChinaXiv:201812.00065V1] (点此复制)

版本历史

[V1]

2018-12-13 16:12:31

ChinaXiv:201812.00065V1

下载全文

1. 深度学习在时间序列预测中的应用综述	2024-01-08
2. 基于深度学习的中文命名实体识别	2024-01-07
3. 深度学习在图像分类中的应用	2024-01-06
4. 多模态深度学习综述	2019-05-10
5. 基于深度学习的面部表情识别研究	2019-01-28
6. 结合稀疏重构与能量方程优化的显著性检测	2018-04-17
7. 深度学习概述	2016-05-03


公开评论匿名评论仅发给作者

基于图像级标签及超像素块的弱监督显著性检测 后印本

版本历史

相关论文推荐

基于图像级标签及超像素块的弱监督显著性检测后印本