前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【语义分割】开源 | 基于视频预测的方法,通过合成新的训练样本来扩大训练集,提高语义分割网络的准确性!

【语义分割】开源 | 基于视频预测的方法,通过合成新的训练样本来扩大训练集,提高语义分割网络的准确性!

作者头像
CNNer
发布2021-02-24 15:05:43
3590
发布2021-02-24 15:05:43
举报
文章被收录于专栏:CNNerCNNer

论文地址: http://arxiv.org/pdf/1812.01593v3.pdf

代码: 公众号回复:07110035959

来源: 加州大学默塞德分校

论文名称:Improving Semantic Segmentation via Video Propagation and Label Relaxation

原文作者:Yi Zhu

内容提要

语义分割需要大量像素级的注释来学习准确的模型。在本文中,我们提出了一种基于视频预测的方法,通过合成新的训练样本来扩大训练集,以提高语义分割网络的准确性。我们利用视频预测模型预测未来帧的能力来预测未来的标签。同时提出了一种联合传播策略来缓解合成样本的不对准问题。我们证明,在合成样本增强的数据集上训练分割模型可以显著提高精度。此外,我们引入了一种新的边界标签松弛技术,使训练对标注噪声和沿目标边界传播伪影具有鲁棒性。我们提出的方法在城市景观上达到了最先进的mIoUs 83.5%,在CamVid上达到82.9%。我们的单一模型,没有模型集成,在KITTI语义分割测试集上实现72.8%的mIoU,超过了2018年ROB挑战赛的获奖作品。

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,侵权请联系删除。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-02-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CNNer 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档