Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation阅读笔记

feitianlzk

于 2018-04-01 21:42:51 发布

阅读量1.5k

点赞数

分类专栏： AI

本文链接：https://blog.youkuaiyun.com/feitianlzk/article/details/79780000

版权

这篇博客是关于Object Region Mining with Adversarial Erasing的阅读笔记，探讨如何从分类任务过渡到语义分割。文章介绍了Adversarial Erasing (AE) 的逐步对象区域挖掘过程，以及如何利用它来发现具有区分性的对象区域。同时，提出了Progressive Suppression Learning (PSL) 来解决AE在捕捉边界细节上的不足。尽管存在如不同图片erase速度不一致等缺点，但该方法仍能提供状态-of-the-art的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

                    
                        
                    
                    Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach阅读笔记 
x. Questions 
AE步骤, 怎么判断收敛不好。万一有的图片需要erase 3次，有的erase2两次会怎么样? 
 
  实验直接选了3次 
PSL，为什么conv7的结果做avg pooling后直接可以用作weight？conv7的feature map数量必须是class的数量?可解释性? 
 
  应该图中fc指的是下一层,是经过avg pool 和全连接计算之后的
图中中间部分每个pixel属于各类的概率，也就是HxWxK
用AE的结果和weighted map作为监督信息约束网络
salience map多类是怎么做到的?
 
x. Conclusion 
Pro 
AE 
 
  progressively mine discriminative object regions
PSL 
 
  limitation of AE on capturing boundary details
missed pixels
state of art
 
Con 
不同的图片erase速度不一定

                

最低0.47元/天解锁文章