Current Location:home > Detailed Browse

Article Detail

基于图像级标签及超像素块的弱监督显著性检测

Submit Time: 2018-12-13
Author: 谭台哲 1,2 ; 轩康西 1 ; 曾群生 1 ;
Institute: 1.广东工业大学 计算机学院; 2.河源广工大协同创新研究院;

Abstracts

针对获得训练数据集代价高昂问题,提出了一种用于图片显著性检测的弱监督新方法,在训练网络模型时仅使用图片级标签。方法分为两个阶段,在第一阶段,根据图片级标签训练分类模型,获得前景推断图;在第二阶段,对原图片进行超像素块处理,并与阶段一得到的前景推断图进行融合,从而细化显著对象边界。算法使用了现有的大型训练集和图像级标签,未使用像素级标签,从而减少了注释的工作量。在四个公共基准数据集上的实验结果表明,性能明显优于无监督的模型,与全监督模型相比也具有一定的优越性。
Download Comment From cooperative journals:《计算机应用研究》 Hits:1140 Downloads:604
Journal:计算机应用研究
Recommended references: 谭台哲,轩康西,曾群生.(2018).基于图像级标签及超像素块的弱监督显著性检测.计算机应用研究.[ChinaXiv:201812.00065] (Click&Copy)
Version History
[V1] 2018-12-13 16:12:31 chinaXiv:201812.00065V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO