基于深度学习的半监督语义分割综述OA北大核心CSTPCD
语义分割在诸多现实领域有丰富的应用,但是其训练过程需要大量像素级别标注图像,训练成本较高.半监督语义分割可以在仅使用少量标注图像和大量无标注图像的情况下进行训练,更贴近现实场景,受到国内外的广泛关注.本文分析和总结了近年基于深度学习的半监督语义分割的相关研究,对现有方法进行分类讨论.首先,介绍了半监督语义分割中使用最广泛的基准数据集,以及常用的实验设定和评价指标.其次,从基于对抗学习、基于多网络架构、基于多阶段架构以及单阶段端到端架构4个方面对基…查看全部>>
孙博远;刘夏雷;侯淇彬
南开大学天津市视觉计算与智能感知重点实验室,天津300350南开大学天津市视觉计算与智能感知重点实验室,天津300350南开大学天津市视觉计算与智能感知重点实验室,天津300350
计算机与自动化
半监督语义分割卷积神经网络对抗学习自学习
《北京交通大学学报》 2024 (2)
P.10-22,13
国家自然科学基金(62206135)。
评论