解决多数据集图像分割中的语义不一致问题
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了多数据集训练图像分割模型时出现的语义不一致问题,特别是在不同数据集间的类别重叠与标注不一致现象。我们提出了一种通过整合基于语言的类别嵌入和特定标签空间的查询嵌入的简单有效的方法,显著提升了对不一致标签空间的处理性能。实验结果表明,在多个基准数据集上,该方法在语义分割、全景分割和实例分割的性能上均优于以往方法,显示出其在图像分割领域的重要影响。
本研究通过整合语言类别嵌入和查询嵌入的方法,解决了多数据集训练图像分割模型时的语义不一致问题,提升了对不一致标签空间的处理性能。实验结果表明该方法在语义分割、全景分割和实例分割的性能上优于以往方法。