弱监督语义分割--Object Region Mining with Adversarial Erasing

Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach CVPR2017

怎么将只有图像标签的训练图像用于语义分割的训练,这里我们提出使用一个分类网络来讲训练图像中的物体进行分割,得到像素标记的训练图像,同时提出一个 online prohibitive segmentation learning 来完善上述步骤。

我们算法的示意图如下所示:

我们的算法主要包括两个部分: adversarial erasing(AE) 和 online prohibitive segmentation learning (PSL) 先来说说 adversarial erasing(AE) 对于输入图像,我们使用一个分类网络根据语义标签将该类在图像中最有特征的区域找到, first mines the most discriminative region for image category label “dog”,然后将该区域从图像中擦除 erase。然后再重新训练分类网络找出物体(dog)的另一个区域,如此重复几次,将所有擦除去的区域综合起来就是 完整的 foreground segmentation mask。

因为 AE 可能会丢失物体的一些相关区域或引入噪声,为了解决这些问题,我们提出了一个 online prohibitive segmentation learning (PSL) 来和 AE 一起来学习更好的分割模型

3 Classification to Semantic Segmentation 3.1. Object Region Mining with AE

使用AE 主要找出图像中对应类别的区域,通过迭代完善物体的区域 AE iteratively performs two operations: learning a classification network for localizing the object discriminative regions and adversarially erasing the discovered regions

PSL 示意图:

PSL uses the squared loss as the optimization objective for the classification branch, whose produced classification confidences are used by PSL to weight the corresponding category-specific segmentation score maps 使用分类的置信度来调整对应类别的分割分数图

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏深度学习与计算机视觉

TensorFlow 图像处理和解码操作函数概述

TensorFlow提供提供了42个图像处理相关的函数,主要涉及解码编码,简单的图像几何变换等等。比较有特点的一个方面是有很多随机性的操作,主要增加模型的泛化能...

3015
来自专栏人工智能LeadAI

译文 | 与TensorFlow的第一次接触 第五章:多层神经网络

本章中,我们继续使用之前章节中的MNIST数字识别问题,与读者一起编码实现一个简单的深度学习神经网络。 如我们所了解的,一个深度学习神经网络由相互叠加的多层组成...

3344
来自专栏云时之间

深度学习与TensorFlow:实现卷积神经网络

1974
来自专栏量子位

一文了解各种卷积结构原理及优劣

王小新 编译自 Medium 量子位 出品 | 公众号 QbitAI 卷积神经网络作为深度学习的典型网络,在图像处理和计算机视觉等多个领域都取得了很好的效果。 ...

3646
来自专栏张洁的专栏

线性回归的高斯假设

在线性回归问题中,我们定义了损失函数,但是为什么用最小二乘(而不是三次方等)作为损失函数? 我们来尝试解决一个完整的线性回归问题。

4100
来自专栏码洞

机器学习sklearn线性回归

回归算法是机器学习的一个基础算法,简单的就是线性回归,还有非线性回归。本节我们讲解简单的线性回归。

681
来自专栏null的专栏

简单易学的机器学习算法——在线顺序极限学习机OS-ELM

   这篇文章主要是前面整理的,就直接上图了。 ? ? ? ? ? ? ? 实验: # coding:UTF-8 ################# # OS_...

1.3K5
来自专栏漫漫深度学习路

两种交叉熵损失函数的异同

在学习机器学习的时候,我们会看到两个长的不一样的交叉熵损失函数。 假设我们现在有一个样本 {x,t},这两种损失函数分别是。 [图片] , t_j说明样本...

2299
来自专栏AI研习社

手把手教你如何用 TensorFlow 实现 CNN

CNN 的引入 在人工的全连接神经网络中,每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时,这时全连接网络需要训练的参数就会增大很...

59212
来自专栏深度学习思考者

卷积神经网络源码——最终输出部分的理解

  针对matlab版本的卷积神经网络的最终分类器(输出部分)的理解:   部分代码: '''cnnff''' net.fv = []; %...

1906

扫码关注云+社区