对象边框标注数据的弱监督图像语义分割

• 作者: 周浩 徐树奎
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 图像语义分割 全卷积网络 弱监督模型 GrabCut算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息与通信工程· 物理学· 计算机科学与技术
• 页码范围: 187-193
• 页数: 7页
• 分类号: TP391
• 字数: 4898字
• 语种: 中文
• DOI: 10.11887/j.cn.202001026

摘要

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法.使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证.实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周浩	国防科技大学系统工程学院	6	5	2.0	2.0
2	徐树奎		1	0	0.0	0.0