【弱监督学习】开源 | 百度主办的CVPR 2020 LID研讨会-聚焦弱监督学习领域前沿，亮点结果的总结！

论文地址： http://arxiv.org/pdf/2010.11724v1.pdf

代码： 公众号回复：2010.11724

来源：

论文名称：LID 2020 The Learning from Imperfect Data Challenge Results

原文作者：Yunchao Wei

内容提要

在研究团体在从完美标注的数据集进行有监督学习方面取得了重大进展之后，从不完美数据学习成为许多工业应用中的一个问题。从不完美数据中学习(LID)研讨会的目的是激励和促进开发利用不完美数据的新方法的研究，并提高训练中的数据效率。目前，大量用户生成的数据可在多种互联网服务上使用。如何利用这些优势，改进机器学习模型是一个重要的问题。本届挑战赛的目标是在弱监督学习环境中为目标检测、语义分割和场景解析找到最先进的方法。该挑战包括弱监督语义分割(Track 1)、弱监督场景分析(Track 2)和弱监督目标定位(Track 3)三个赛道。在Track 1中，我们基于ILSVRC DET，对200个类别的15K幅图像提供像素级注释进行评价。在Track 2中，我们为ADE20K的训练集提供了基于点的注释。Track 3中，基于ILSVRC CLS-LOC，我们提供了44,271张图像的像素级注释以进行评价。此外，我们还引入了一种新的评价指标，即IoU曲线，来衡量生成的目标定位地图的质量。本文总结了挑战中的亮点。该挑战提交的服务器和排行榜将继续为感兴趣的研究人员开放。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。