基于深度卷积神经网络的弱监督图像语义分割OA北大核心CSTPCD
Weakly supervised learning based on deep convolutional neural networks for image semantic segmentation
图像语义分割是计算机视觉领域重要识别任务,其目标是估计图像中的像素级目标类标签.最近,深度卷积神经网络(Deep Convolutional Neural Networks,DCNNs)已经成为解决图像语义分割的主流方法.然而,学习DCNNs需要大量的已标注训练数据(Ground Truth,GT),而现有数据集中的GT在数量和多样性方面因标注成本巨大而受到诸多限制.弱监督方法则考虑利用图像级标签和物体框之类的弱标注信息解决图像语义分割中的标注问…查看全部>>
郑宝玉;王雨;吴锦雯;周全
南京邮电大学通信与信息工程学院,江苏南京210003南京邮电大学通信与网络工程研究中心,江苏南京210003南京邮电大学通信与网络工程研究中心,江苏南京210003中国地质大学(武汉)信息工程学院,湖北武汉430074
信息技术与安全科学
语义分割深度卷积神经网络弱监督语义分割图像标注
《南京邮电大学学报（自然科学版）》 2018 (5)
基于表观模型学习和运动模式记忆统一架构的目标跟踪方法研究
1-12,12
国家自然科学基金(61876093,61881240048,61671253,61701252,61762021)和江苏省自然科学基金(BK20181393,BK20160908)资助项目
评论