BriefGPT - AI 论文速递
·
在航空图像上利用查询点监督进行语义分割的学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种弱监督学习算法，使用查询点标注训练语义分割算法，减少手动注释的成本和时间。算法使用超像素扩展查询点标签，并使用部分带有超像素伪标签的图像监督模型训练。在基准测试中，该算法表现出与完全监督训练相竞争的性能。
🎯
关键要点
- 提出了一种弱监督学习算法，依赖查询点标注而非完整遮罩标签。
- 该算法减少了手动注释的成本和时间。
- 通过生成超像素将查询点标签扩展到相似语义的超像素中。
- 使用部分带有超像素伪标签的图像来监督语义分割模型的训练。
- 在航空图像数据集和不同的语义分割结构上进行了基准测试。
- 结果显示该算法在减少注释工作量的同时，性能与完全监督训练相竞争。
➡️
