IGIli的博客

1. Introduction语义分割是计算机视觉中一个基本但又困难的问题。与图像分类相比，它提供了对图像的像素化语义理解，通过对象类别、位置和形状来解析场景。深度网络在图像分类任务上取得了一系列突破[18,14,13]。卷积神经网络(CNN)由不同的深度和宽度所控制，提供了强大的模型，并综合多层次的特征和分类器嵌入像素间的统计和依赖关系正确的先验知识为防止过拟合最近在语义分割方面的进展主

神经网络基础理解    神经网络里面不同层的卷积单元都扮演者视觉特征检测器的角色，从底层的视觉特征，比如边缘，角点；到高层的视觉模型，比如物体或者是场景。最后把这些东西综合起来进行分类。我们可以把最后一个卷积层看成是一个词典。每一张feature map对应检测输入中的一个单词，如果有，就在对应位置有高的激活值。后面的fc层其实就是利用这个词典进行分类。比如对于自行车分类器，他对于车轮，车把，车座...

STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation魏云超（TPAMI 15）通过显著性物体检测的结果，自动地生成语义分割的标签。通过low-level vision得到的约束能够帮助我们在弱监督的语义分割的学习中，减少对人工标注的依赖。具体将这项工作所做的贡献总结如下：（1）提出了一个简单到复...

在参加会议之前，我一直认为语义分割这样像素级别的工作不是大家研究的热门。但是当我发现8号报告厅人数如此多的时候，我发现像素级别的工作做的人很多，自己只能站在最后排听大神们介绍他们的工作聆听这一年大家研究的趋势。虽然只是一只小弱鸡，但是开了眼界。个人觉得听到这个报告，他们的这个工作比较有趣，且接地气。之前并不知道语义分割与GAN会产生如此好玩的东西。图像理解与编辑涉及两方面的内容：首先获取图像中蕴含...