标签：显著性 训练 05 19 标签 DNNs 2021 图像 标注

Learning to Detect Salient Objects with Image-level Supervision论文阅读

 

Merit         与无监督方法相比，从完全监督中学习的 DNNs 在捕获语义上显著的前景区域方面更有效，在复杂场景下产生准确的结果 。 Problem 其 卓越 的 性能在很大程度上依赖于大量带有像素级注释的数据集进行训练。 标注工作非常繁琐，标注准确的训练集仍然稀缺而昂贵。 Solution 为了缓解大规模像素级标注的需求，本文提出了图像级标签的弱监督来训练显著性检测器。

Rational

• (object categories vs. object locations)这两项任务在概念上似乎不同，但本质上是相互关联的。
• 显著性检测提供了候选对象，使得能够进行更精确的类别分类。
• 图像级标签提供了图像中最有可能成为显著前景的主要对象的类别信息。
• 最近的工作[34，58]表明，仅用图像级标签训练的DNNs也能提供物体位置的信
• 

标签：显著性,训练,05,19,标签,DNNs,2021,图像,标注
来源： https://blog.csdn.net/weixin_45170985/article/details/117036659

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。