VALSE学习(十一):弱监督图像语义分割

VALSE2019 

程明明 南开大学

一、弱监督图像语义分割

基于深度卷积神经网络的传统语义分割模型严重依赖于大量人工标注数据,因而在学习新的类别信
息时需要庞大的人力成本来标注数据。弱监督语义分割技术,由于仅依赖图像类别标签等轻量级标注数据,也
因此正在成为学术界研究的热点。本报告将介绍弱监督语义分割领域的年度进展,着重介绍基于显著性物体检
测、注意力区域、边缘检测等信息用于弱监督学习的最新方法。进一步,我们还将介绍仅依赖互联网检索图像,
而非人工标注图像如何学习语义分割模型。即当给定一个类别标签集合,如何利用网络大数据来索引相关图像
进而学习,进而完全避免人工标注过程。本次报告也将对该问题引申出的可研究方向进行讨论。
 

VALSE学习(十一):弱监督图像语义分割_第1张图片VALSE学习(十一):弱监督图像语义分割_第2张图片VALSE学习(十一):弱监督图像语义分割_第3张图片VALSE学习(十一):弱监督图像语义分割_第4张图片VALSE学习(十一):弱监督图像语义分割_第5张图片VALSE学习(十一):弱监督图像语义分割_第6张图片VALSE学习(十一):弱监督图像语义分割_第7张图片VALSE学习(十一):弱监督图像语义分割_第8张图片VALSE学习(十一):弱监督图像语义分割_第9张图片VALSE学习(十一):弱监督图像语义分割_第10张图片VALSE学习(十一):弱监督图像语义分割_第11张图片VALSE学习(十一):弱监督图像语义分割_第12张图片VALSE学习(十一):弱监督图像语义分割_第13张图片VALSE学习(十一):弱监督图像语义分割_第14张图片VALSE学习(十一):弱监督图像语义分割_第15张图片VALSE学习(十一):弱监督图像语义分割_第16张图片VALSE学习(十一):弱监督图像语义分割_第17张图片VALSE学习(十一):弱监督图像语义分割_第18张图片VALSE学习(十一):弱监督图像语义分割_第19张图片VALSE学习(十一):弱监督图像语义分割_第20张图片

你可能感兴趣的:(计算机视觉,VALSE学习)