极简笔记 From Image-level to Pixel-level Labeling with Convolutional Networks

最新推荐文章于 2024-03-25 19:26:52 发布

原创

最新推荐文章于 2024-03-25 19:26:52 发布 · 2k 阅读

2 ·

CC 4.0 BY-SA版权

本文介绍了一种2015年的弱监督语义分割方法，该方法利用图像级标注通过CNN生成score map，并采用Log-Sum-Exp (LSE)聚合。在推断阶段，结合Image-level prior和多种smooth prior策略提升预测性能。实验在VOC2010数据集上展示了与强监督和弱监督算法的对比结果。

极简笔记 From Image-level to Pixel-level Labeling with Convolutional Networks

本篇文章是2015年的一篇依赖image-level标注的语义分割弱监督文章。文章主要流程是先让图片经过一个普通CNN，得到一个score map（相当于分割网络最后的预测结果，几个类别就几个channel），然后将每个类别的score进行集合，这里作者没有使用求均值或者求max的方式，而是使用Log-Sum-Exp (LSE)进行计算（公式如下）：
$sk=1rlog⁡[1howo∑i,jexp⁡(rsi,jk)]s^k=\frac{1}{r}\log\left[\frac{1}{h^ow^o}\sum_{i,j}\exp(rs^k_{i,j})\right]$

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Hibercraft

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【GNN4Medical】GNN在医疗领域发展和应用

图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖

11-21

1769

医疗AI在肿瘤方面应用综述 - 知乎。

《From Image-level to Pixel-level Labeling with Convolutional Networks》笔记

lytxiaohou的博客

12-19

867

《ScribbleSup: Scribble-Supervised Convolutional Networks for Semantic Segmentation》笔记学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法大致流程相关细节后记 for Semantic Segmentation》笔记) 学习笔记，如有谬误，还请不吝赐教！解决的问题以及方法用分类标签做图像分割的弱监督分割算法。所...

参与评论您还未登录，请先登录后发表或查看评论

论文笔记（1）：From Image-level to Pixel-level Labeling with Convolutional Networks

weixin_30828379的博客

01-11

370

文章采用了多实例学习（MIL）机制构建图像标签同像素语义的关联。该方法的训练样本包含了70 万张来自ImageNet的图片，但其语义分割的性能很大程度上依赖于复杂的后处理过程，主要包括图像级语义的预测信息、超像素平滑策略、物体候选框平滑策略和 MCG分割区域平滑策略。下图是论文所用方法的一般性说明：（1）使用来自Imagenet的弱注释数据（仅图像级别的类别信息）对...

Weak supervision for generating pixel-level annotations in scene text segmentatio

qq_41894176的博客

08-18

442

Weak supervision for generating pixel-level annotations in scene text segmentation 在场景文本分割中使用弱监督来生成像素级注释摘要：在场景文本分割中提供像素级监督本身是一件很困难、且价格昂贵的事情，因此仅仅有少量的数据集可以用于此任务。为了面对训练集的不足，以往基于CNNs的方法，它依赖于合成数据集用来预训练。但是，合成的数据不会再现自然图片的复杂性和多样性。在这项工作里，作者提出使用一种弱监督学习方法去减少合成数据和真实

Image-level & Pixel-level

sunshinnne的博客

06-22

3139

https://www.cnblogs.com/ariel-dreamland/p/8268811.html全卷积网络：从图像级理解到像素级理解https://blog.youkuaiyun.com/liyuan123zhouhui/article/details/59583983MaskRCNN: https://www.leiphone.com/news/201804/wGkSM5rbCFzgcS5P...

论文阅读笔记：From Image-level to Pixel-level Labeling with Convolutional Networks

forget-tears的博客

10-14

554

论文阅读笔记：From Image-level to Pixel-level Labeling with Convolutional Networks Introduce Task Weakly supervised learning for image semantic segmentation, only use image class label. Contribution Combine...

【DeepLab-v1】《Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs》

最新发布

bryant_meng

03-25

1674

ICLR-2015 声名显赫的家族，是时候顶礼膜拜一波了！文章目录1 Background and Motivation2 Advantages / Contributions3 Method4 Experiments4.1 Datasets5 Conclusion（own） / Future work 1 Background and Motivation 近年来，深度卷积神经网络（Deep C）在计算机视觉系统的性能提高到了一个新的高度 We show that responses at th.

周读论文系列笔记(2)-reivew-A survey on Deep Learning in Medical Image Analysis

不行不至

12-29

6514

刚接触这个领域…不怎么会写…有些翻译错和理解错的地方请大佬们多多指教~ 原文链接：文章目录1.Deep learning methods2.Deep learning uses in medical imaging2.1 Classification 分类2.1.1 Image/exam classification （图像/exam 分类）2.1.2 Object or lesion cl...

[论文阅读笔记08]Generalizing from a Few Examples：A Survey on Few-Shot Learning

ld326的专栏

01-12

3944

一，题目 Generalizing from a Few Examples: A Survey on Few-Shot Learning 从少样本中概括：少样本综述 FSL: Few-Shot Learning 二，作者 YAQING WANG, Hong Kong University of Science and Technology and 4Paradigm Inc QUANMING YAO, 4Paradigm Inc JAMES T. KWOK, Hong Kong University of

Image-Level 弱监督图像语义分割汇总简析

小白学视觉

07-25

1357

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来源：知乎作者：Uno Whoiam链接：https://zhuanlan.zhihu.com/p/80815225本文已由作者授权转载，未经允许，不得二次转载。总结Image-Level 的弱监督语义分割基本都是以 CAM 作为起点，然后迭代训练，过程中不断恢复出 object 的 mask，各论文...

联合目标检测和语义分割——学习笔记

qq_45925282的博客

03-10

1万+

联合目标检测和语义分割目标检测目标检测是一种与计算机视觉和图像处理相关的计算机技术，用于检测数字图像和视频中特定类别的语义对象（例如人，建筑物或汽车）的实例。然而现实中物体的尺寸、姿态、位置都有很大的差异，甚至还可能出现重叠现象，这使得目标检测的难度变得很大。图1：目标检测示意图https://en.wikipedia.org/wiki/Object_detection 什么是目标检测目标检测的任务是找出感兴趣的目标，确定他们的类别和位置，这也是计算机视觉的核心问题之一。计算机视觉中关于图像识别有

语义分割深度学习方法集锦

热门推荐

生如蚁，美如神

01-19

1万+

转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage

Semantic Segmentation记录（个人）

buzz_pro的博客

01-13

3153

Under construction! Deep Learning Methods Semantic Segmentation FCN ★★★ [Paper] Learning a Deep Convolutional Network for Image Super-Resolution [Year] CVPR 2015 [Authors] Eva...

Deeplab、目标检测、Segmentation

赵木木

05-07

8848

论文阅读 - Semantic Image Segmentation With Deep Convolutional Nets and Fully Connected CRFs 1. Project 2. 笔记摘要 —— 主要是将CNN和概率图模型结合，来处理像素级分类问题，即语义图像分割. 由于CNN具有不变性，适合于 high-level 任务，如图...

MIL+seg [CVPR15]

mutou_cly的博客

05-05

312

MIL+seg paper: From Image-level to Pixel-level Labeling with Convolutional Networks 这是15年CVPR的文章，个人感觉架构和CAM有异曲同工之处。与EM-adapt一样都是基于DCNN解决W3S问题。同样输入图像经过DCNN得到了LLL张(原图12倍下采样)的特征图。由于我们的labelzzz是image-...

Android ImageView之setImageLevel()用法

Zorro的博客

04-17

3980

转载请注明：https://blog.youkuaiyun.com/u012854870/article/details/79973728在Android开发中，有时候需要对一个ImageView设置很多不同图片以表示某种应用状态，比如，典型的是手机的信号强度从强到弱有多种状态图；wifi有解锁和未解锁状态，解锁和未解锁状态的图标也是很多种。如果每次都一一的通过ImageView设置图片的src来达到这一目的...

【语义分割】10、ISNet: Integrate Image-Level and Semantic-Level Context for Semantic Segmentation

呆呆的猫的博客

09-02

2182

论文连接：文章目录一、背景二、动机三、方法3.1 整体过程3.2 Image-Level Context Module3.3 Semantic-Level Context Module3.4 Loss Function四、效果一、背景不同类别的共现特性（Co-occurrent）在语义分割中通常被用来聚合上下文特征，来提升像素的表达能力。 FCN 是一个有力的基石，基于此，目前的研究大多集中在两个方面：如何提升encoder对每个pixel的特征提取能力如何通过上下文信息的建模来提升每个像素的表.

【读书笔记】DA-GAN: Instance-level Image Translation

My Blog

03-22

5092

Abstract 旨在翻译两组独立图像的无监督图像翻译在没有配对数据而找到正确对应方面上具有挑战性。基于GAN展开的研究工作使得翻译图像的分布与目标集合的分布无法区分。然而，这样的集合约束不能学习实例级别的对应关系（例如对象配置任务中对齐的语义部分）。这种限制常常导致误报（例如几何或语义伪像），并进一步导致模式崩溃问题。为了解决上述问题，我们提出了一个由Deep Attention GAN（DA...

同一个ImageView显示不同的图片（LevelDrawable）

young专栏

06-19

3877

在一个ImageView中显示不同的图片，往往会使用： if (条件1) { image.setBackground(R.id.xxx1); } else if (条件2) { image.setBackground(R.id.xxx2); } else if … 其实我们可以使用另一个简便的方法实现相同的功能首先，在res/drawable下建立一个xml文件，内容如下

Python开发的Web贴标工具：labeling-machine简析

- **labeling-machine-minimal**: 这个名称暗示着存在一个最小化的Labeling Machine版本。"Minimal"通常表示该版本仅包含了最基本的功能，可能适用于那些对资源占用有严格限制的用户，或者是在演示或学习环境中使用...