BriefGPT - AI 论文速递
·
完全弱监督的类增量学习在语义分割中的应用
📝
内容提要
本研究解决了完全弱监督的类增量学习（CIS）在语义分割中的应用问题，即仅使用图像级标签来学习基础类和新兴类的分割。该研究提出了一种新颖的方法，通过将来自定位器的伪标签与一系列基础模型的伪标签结合，生成强稳健的伪标签，并引入示例引导的数据增强技术，以减轻灾难性遗忘。实验结果表明，在15-5 VOC和10-10 VOC设置中，所提出的方法优于部分弱监督方法，并在COCO到VOC的设置中达到了竞争性的准确率。
➡️
