-
问题:如何用有限的数据训练实例分割模型,并使得该模型可以对训练数据(实例分割)中不存在的类别做实例分割
- 方法:
- 部分监督实例分割,一个带有mask和物体标注框的数据集,一个只有物体标注框的数据集
-
提出Mask x R-CNN框架,学习一个从物体检测网络参数到实例分割网络参数的映射函数(weight transfer function)
- 原因:检测分支的权重可以被看作是该类基于表观的视觉嵌入
-
结果:相比其他的半监督学习方法确实有所提升,然而相比全监督方法还是有差距
- paper
Learning to Segment Every Thing
©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...
推荐阅读更多精彩内容
- 导读本文是FAIR几位大神的最新作品。文章挺有意思地提出一种部分监督学习分割的方法。简单来说就是学习一个将检测参数...
- 2017.11 论文地址:https://arxiv.org/abs/1711.10370 文章参考部分网文,再次...
- 原文链接:http://xueshu.baidu.com/s?wd=paperuri%3A%286f32e0834...
- 写在前面 2016年,谷歌 DeepMind 开发出的人工智能系统AlphaGo 五局四胜战胜一代围棋宗师李世石,...