弱监督实例分割的完整实例挖掘
原文中文，约300字，阅读约需1分钟。发表于：。利用只有图像级别标签的弱监督实例分割（WSIS）是一项具有挑战性的任务，但随着深度神经网络（DNNs）的进步，WSIS 已经引起了广泛关注。我们提出一种新颖的 WSIS 方法，通过使用 MaskIoU 头部预测 proposal 的完整度得分，采用完整实例挖掘（CIM）策略来显式建模冗余分割问题并生成精炼的伪标签。我们的方法在 PASCAL VOC 2012 和 MS COCO...
利用深度神经网络的进步，我们提出了一种新颖的弱监督实例分割方法，通过使用MaskIoU头部预测proposal的完整度得分，采用完整实例挖掘策略来显式建模冗余分割问题并生成精炼的伪标签。我们的方法在PASCAL VOC 2012和MS COCO数据集上取得了超过当前最先进方法的性能。
