cvpr2017 best paper,其目标是用用有限的训练图片得到较好的语义分割效果。为此,作者通过增加GAN生成图像,无标签或弱标签图片来扩充训练集。假设分割类别数为K,那么判别器则有K+1个类别的输出。多出来的分类类别为”该像素为假像素”。为了适应分割任务,将判别器的结构改成FCN。文中给出了两种半监督学习架构。从实验中可以看出该方法确实work。
Semi Supervised Semantic Segmentation Using Generative Adversarial Network
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...