11、无监督语义分割与3D铰接对象操作能力学习研究

无监督语义分割与3D铰接对象操作能力学习研究

无监督语义分割实验

在无监督语义分割领域，研究人员进行了一系列实验，以评估相关方法在不同数据集上的性能。

数据集与评估指标

• 数据集 ：
  • COCO-Stuff ：这是一个以场景为中心的具有挑战性的基准数据集，包含80个事物类别和91个材料类别。训练和验证样本总数分别为117,266和5,000张图像。研究在三种设置下评估方法：COCO-S-27（将所有类别合并为27个超类）、COCO-S-171（原始的171个事物和材料类别）和COCO-80（仅80个事物类别，无背景材料）。
  • Cityscapes ：包含5,000张聚焦于街道场景的图像，其中2,975和500张图像分别用于训练和验证。所有像素被分为34个类别，后续将其合并为27个类别。
  • Pascal-VOC ：有1464张训练图像和1,449张评估图像，有20个作为前景对象的类别需要分割，其余像素作为背景。
  • LIP ：包含从MS-COCO裁剪的人物图像，有30,462张训练图像和10,000张验证图像，定义了19个语义部分，并将其合并为16和5个粗类别以评估处理不同粒度语义概念的能力。
• 评估指标 ：遵循标准的无监督分割评估协议，使用匈牙利匹配算法对齐预测和真实标签的索引，报告交并