《表1 在Pascal VOC 2012验证集上的实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于学习的弱监督和半监督图像语义分割算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。