BriefGPT - AI 论文速递
·
半监督全景叙事基准化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种半监督学习的语义分割模型，可将从像素级别注释的强类别中学到的分割知识转移到只有图像级别注释的弱类别中，从而扩大了深度分割模型的适用范围。该模型由标签转移网络和预测转移网络组成，在PASCAL VOC 2012数据集上实现了与完全监督基线相近的性能，只使用50％和0％的像素级别注释类别。
🎯
关键要点
-
提出了一种半监督学习的语义分割模型。
-
模型可以将强类别的分割知识转移到弱类别。
-
显著扩大了深度分割模型的适用范围。
-
模型由标签转移网络（L-Net）和预测转移网络（P-Net）组成。
-
在PASCAL VOC 2012数据集上实现了96.5%和89.4%的性能。
-
仅使用50%和0%的像素级别注释类别。
➡️
