Semi-Supervised Semantic Segmentation with Cross-Consistency Training论文笔记

最新推荐文章于 2024-10-11 21:27:50 发布

原创

最新推荐文章于 2024-10-11 21:27:50 发布 · 3.4k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #计算机视觉 #图像处理 #分类

本文介绍了Semi-Supervised Semantic Segmentation with Cross-Consistency Training算法，探讨了在标签获取成本高的语义分割领域，如何利用未标记数据训练分割网络。该方法采用一个共享编码器和多个辅助解码器，通过扰动输入以增强模型预测的一致性，减少过拟合，提升模型性能。

文章标题：Semi-Supervised Semantic Segmentation with Cross-Consistency Training
文章地址：https://arxiv.org/abs/2003.09005
文章代码： https://github.com/yassouali/CCT
领域：半监督语义分割

小白入坑笔记，有理解不对的地方，欢迎各位大佬指正
在这里插入图片描述

一、Cross-Consistency Training提出的原因

在这里插入图片描述

在语义分割领域标签获得成本较高，作者希望利用更多的未标记例子来训练分割网络，从而有效处理与训练数据分布相同的测试数据

从上图可以看出，低密度区域在隐藏表示中比在输入中更明显。在Input level 中，低密度区域无法与类别边界对齐，因此聚类假设不适用；在Hidden representations level 各个类别更紧凑，与其他类别界限明显。因此，就想到利用编码器的输出来增强模型不同形式的扰动的一致性