【论文阅读】IRNet:具有像素间关系的实例分割的弱监督学习

最新推荐文章于 2024-08-31 08:52:31 发布
原创 最新推荐文章于 2024-08-31 08:52:31 发布 · 1.5k 阅读 · 32 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#论文阅读 #学习 #弱监督语义分割

文章介绍了一种新的实例分割方法IRNet，它通过图像级类标签进行弱监督学习，生成高质量的伪实例分割标签。IRNet利用注意力图和像素间关系，包括位移向量场和类边界检测，显著提高了实例分割的性能。实验结果表明，IRNet在PASCALVOC2012数据集上表现出色。

【论文阅读】IRNet:具有像素间关系的实例分割的弱监督学习

文章目录


Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations

本文提出了一种以图像级类标签为监督的学习实例分割的新方法

方法生成训练图像的伪实例分割标签，用于训练全监督模型

  

生成伪标签，我们首先从图像分类模型的注意力图中识别对象类的置信种子区域

并传播它们以发现具有精确边界的整个实例区域

  

提出了IRNet，它估计单个实例的粗略区域，并检测不同对象类之间的边界

实例标签分配给种子，并在边界内传播它们

从而可以准确地估计实例的整个区域

  

IRNet是用注意力图上的像素间关系进行训练的，因此不需要额外的监督

在PASCAL VOC 2012数据集进行对比实验

  

一、介绍

实例分割是一项联合估计单个对象的类标签和分割掩码的任务。

卷积神经网络（CNNs）的监督学习推动了实例分割的最新进展

  

方法需要大量带有基本事实标签的训练图像，而这些图像通常是手工给出的

学习能够处理现实世界中不同对象类的实例分割模型并不简单

  

弱标签的低注释成本

可以利用图像级类标签来学习实例分割，因为这样的标签在大规模图像分类数据集中很容易获得

CAM通过调查局部图像区域对类分类分数的贡献来粗略估计每个类的面积

cam不能直接用作实例分割的监督，因为它们的分辨率有限，通常只突出对象的部分区域

  

提出了一种使用图像级类标签学习实例分割的新方法

甚至优于一些依赖于更强监督的方法

我们的方法对给定图像级标签的训练图像生成伪实例分割标签，并用伪标签训练已知的CNN模型

  

为了克服cam的这些局限性，我们引入了像素间关系网络(IRNet)，该网络用于估计与cam互补的两种类型的附加信息

  • 类别无关的实例映射
  • 配对语义亲和力

IRNet有两个分支，分别估计实例映射和语义关联。

  

  • 第一个分支预测一个位移向量场，其中每个像素处的2D向量表示像素所属实例的质心。
  • 第二个分支检测不同对象类之间的边界。然后从检测到的边界以这样的方式计算成对语义亲和力，即被强边界分隔的两个像素被认为是具有低语义亲和力的一对

  

我们发现IRNet可以有效地训练来自cam的像素间关系

    <
最低0.47元/天 解锁文章
川川子溢
关注
弱监督语义分割 IRNet
m0_53232957的博客
11-02 1363
本文提出了一种使用图像级别类别标签作为监督的实例分割的新方法。我们的方法生成训练图像的伪实例分割标签，然后使用这些标签来训练一个完全监督的模型。为了生成伪标签，我们首先从图像分类模型的注意力图中识别出物体类别的自信种子区域，并将它们传播以发现具有准确边界的整个实例区域。为此，我们提出了IRNet，它估计了各个实例的粗略区域并检测了不同物体类别之间的边界。这使得可以为这些种子分配实例标签，并在边界内传播它们，以便可以准确估计整个实例的区域。
IR-Net 测试
jacke121的专栏
03-22 3483
IR-Net https://github.com/htqin/IR-Net 640 gpu测试50多ms import time import torch import torch.nn as nn import math import torch.utils.model_zoo as model_zoo import sys sys.path.append('./modules...
实例分割_IRNet:弱监督实例分割
weixin_39600447的博客
12-23 1012
全名：Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations更多论文解读的博客原文第一时间发布于我的github论文合集：https://github.com/ming71/CV_PaperDaily​github.com和个人博客：chaser​ming71.github.io欢迎关注，有想法欢...
论文学习笔记：IRNet
Env1sage的博客
02-04 564
论文学习笔记：Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations
论文笔记：IRNet: Instance Relation Network for Overlapping Cervical Cell Segmentation
水不在深有江的博客
03-27 1014
刘老师推荐的论文，与cervical cancer相关，也适当地看一下别人的做法。 背景和宫颈癌相关，作者从细胞间重叠多，其他混杂的物体(非需要被检测的类)入手。 method 为了增强candidate selection 和 semantic consistency ，作者使用了Duplicate Removal Module (DRM) and Instance Relation Mo...
(paper阅读)弱监督----具有像素间关系的实例分割的弱监督学习_Jiwoon Ahn
小桑泥‘s daily life
08-10 1407
弱监督实例/语义分割 目录弱监督实例/语义分割前言一、《Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations》1.摘要2.主要方法二、《Learning Pixel-level Semantic Affinity with Image-level Supervision for Weakly Supervised Semantic Segmentation》1.摘要2.主要方法总结 前言 ❀ 之前看过同一
论文阅读-4记录2023.3.24 （弱监督 发展）
weixin_61235989的博客
03-28 345
Vernaza和Chandmker (2017)提出的RAwKS(random．walk weakly．supe卜 vised segmentation)方法通过训练一个一致性网络将 稀疏的线标注传播到物体区域，提出了使用一个特 定的概率模型用于稀疏标签传播，且这一模型在进 行语义边缘检测训练时是可微的，即随机游走，极大 地提高了使用线标注获取伪标签的精度。)提出 的CONTA(context adiustment)通过因果干预的方法来消除不属于 物体的上下文特征对cAM的影响，从而提高了伪标 签的精度。
实例分割论文调研
菜鸟中的菜中菜的博客
11-20 1143
目录综述CVPR18Non-local Neural NetworksPath Aggregation Network for Instance SegmentationCVPR19Mask Scoring R-CNNHybrid Task Cascade for Instance SegmentationPose2Seg: Detection Free Human Instance SegmentationS4Net: Single Stage Salient-Instance SegmentationW
Weakly supervised learning of instance segmentation with inter-pixelrelations（CVPR2019）
sanguine__的博客
03-30 994
本文提出了一种以图像级类标签作为监督的实例分割学习方法。我们的方法生成训练图像的伪实例分割标签，用于训练完全监督模型。为了生成伪标签，我们首先从图像分类模型的注意图中识别对象类的自信种子区域，并传播它们以发现具有精确边界的整个实例区域。为此，我们提出了IRNet，它可以估计单个实例的粗略区域并检测不同对象类之间的边界。因此，它可以为种子分配实例标签，并在边界内传播它们，以便可以准确地估计实例的整个区域。此外，IRNet是用注意图上的像素间关系进行训练的，因此不需要额外的监督。
IRNet: Instance Relation Network for Overlapping Cervical Cell Segmentation
Moeyinss
02-18 694
论文题目：IRNet: Instance Relation Network for Overlapping Cervical Cell Segmentation 论文链接：https://arxiv.org/pdf/1908.06623.pdf 提出IRNet 整体思路： 首先图像输入RPN，生成目标候选框 使用ROIalign对目标候选框进行特征提取 之后feature map分别输入d...
IRNet-开源
05-01
IRNet是一个免费的p2p应用程序，它使您可以在Internet上共享和下载数百万其他人的文件，而不受诸如dcpp（dc ++），kaza，azureus，eMule等的限制。
IRNet 处理好的数据
12-02
put train.json, dev.json and tables.json under ./data/ directory
Text-to-SQL模型----IRNet
weixin_42223207的博客
10-28 1864
Text-to-SQL模型----IRNET 笔者最近在做Text-to-SQL任务，看了这篇论文记录一下理解过程，如有理解错误，欢迎大家指正。 IRNET模型是微软2019年发表于ACL的论文，论文题目为Towards Complex Text-to-SQL in Cross-Domain Database with Intermediate Representation，论文下载地址https://arxiv.org/pdf/1905.08205.pdf 代码地址为https://github.com/
Paper--IRNet: Instance Relation Network for Overlapping Cervical Cell Segmentation
hhjj123456456的博客
11-05 632
**摘要：**在本文中，提出了一种新颖的实例关系网络，用于健壮的重叠细胞分割。具体而言，提出了“实例关系模块”来构造用于在各个单元实例特征之间传递信息的单元关联矩阵。同时，还提出了一种稀疏约束的重复删除模块，以消除分类和定位精准之间的不一致性，以进行候选者选择。 方法： DRM： 重复删除模块 IRM：实例关系模块 IRM IRM从每个实例中获取嵌入的特征以计算实例关联矩阵，然后根据特征之间的...
IRNet 开源项目教程
最新发布
gitblog_00575的博客
08-31 319
IRNet 开源项目教程 1. 项目的目录结构及介绍 IRNet 项目的目录结构如下： IRNet/ ├── data/ │ ├── processed/ │ └── raw/ ├── models/ │ ├── __init__.py │ └── irnet.py ├── notebooks/ │ └── example.ipynb ├── scripts/ │ └── ...
信息保留的二值神经网络IR-Net，落地性能和实用性俱佳 | CVPR 2020
AI科技大本营
03-25 4321
出品 | AI科技大本营（ID:rgznai100）导语：在CVPR 2020上，商汤研究院链接与编译组和北京航空航天大学刘祥龙老师团队提出了一种旨在优...
IRNet：跨越领域的复杂文本转SQL的利器
gitblog_00946的博客
08-30 839
IRNet：跨越领域的复杂文本转SQL的利器 在数据驱动的时代，将自然语言直接转换成SQL查询语句的能力变得日益重要。IRNet，一个出自ACL'19的研究成果，正是一座连接自然语言和数据库世界的桥梁，它通过引入中间表示（Intermediate Representation），有效地解决了跨领域数据库中复杂文本转SQL的问题。本篇文章旨在深入浅出地介绍IRNet，探讨其技术核心，应用场景，并展示...
【论文阅读】Weakly Supervised Learning of Instance Segmentation with Inter-pixel Relations
rocking_struggling的博客
01-01 830
作者提出了一种实例弱监督分割的模型：训练分类模型获得seeds，然后expansion获得更清晰的边缘。作者提出了IRNet，主打两点：1.使用了Instance label进行seeds的传播和扩展。2.在attention map上，借助 inter-pixel relations训练模型。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值