《表1 在Pascal VOC 2012验证集上的实验结果对比》
本文对比了四篇弱监督学习的语义分割论文提出的方法Box Sup、WSSL、SDI和BCM-FR,在评价指标上,本文基于元学习的弱监督模型达到了68.3%,为目前最高。在弱监督学习图像语义分割模型中,在Pascal VOC 2012数据集上,本文只使用了边界框标注信息,在二元分割模型上生成图像Region Proposals,训练的模型在VOC验证集上,m Io U达到68.3%。在全监督模型下,使用pixel-level的分割标注训练模型,在VOC验证集上m Io U为69.6%,对比结果,见表1。本文的弱监督模型结果已经非常接近全监督模型的结果,基于元学习的思想学习出一个base的二元分割模型,在一定意义上模型学到了分割物体的能力。在半监督的学习中,将1/8的Ground Truth混合到生成的Region Proposals中。
图表编号 | XD00192217900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 汪磊、左旺孟 |
绘制单位 | 哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |