BriefGPT - AI 论文速递
·
通过未标记数据的不确定性估计缓解语义分割中的分布偏移
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的半监督语义分割视角，通过提高无标记数据的不确定性来减小分布差异，提高模型的推广能力。作者提出了两种策略，并设计了一种特别针对半监督语义分割的不确定性增强算法，实验证实了算法和策略的有效性。该方法在常用基准数据集上取得了最新性能。
🎯
关键要点
- 提出了一种新的半监督语义分割视角。
- 分析了标记和无标记数据集之间的分布差异。
- 提高无标记数据的不确定性可以减小分布差异，提升模型的推广能力。
- 提出了两种策略和一种不确定性增强算法。
- 通过大量实验验证了算法和策略的有效性。
- 不确定性增强器小巧高效，对超参数鲁棒，显著提升性能。
- 在Cityscapes和PASCAL VOC 2012数据集上取得了最新性能。
➡️
