随笔分类 - Image Semantic Segmentation
摘要：原文地址：https://arxiv.org/pdf/1711.10370.pdf 这是何恺明老师发表于CVPR2018的一篇优秀paper。 先简单回顾一下语义分割领域之前的工作 那么什么是语义分割？ 语义分割其实就是对图片的每个像素都做分类。其中，较为重要的语义分割数据集有：VOC2012 以及
阅读全文
摘要：paper链接：https://arxiv.org/pdf/1812.09953.pdf code链接：https://github.com/YangZhang4065/AdaptationSeg 摘要： 在过去的5年里面，卷积神经网络在语义分割领域大获全胜，语义分割是许多其他应用的核心任务之一，这
阅读全文
摘要：深度学习已经在图像分类、检测、分割、高分辨率图像生成等诸多领域取得了突破性的成绩。但是它也存在一些问题。 首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布。而实际上这两者存在一定的偏差，比如在测试数据上的预
阅读全文
摘要：记笔记目的：刻意地、有意地整理其思路，综合对比，以求借鉴。他山之石，可以攻玉。 《Convolutional Simplex Projection Network for Weakly Supervised Semantic Segmentation》-20180724，一篇来自德国波恩大学与锡根大
阅读全文
摘要：Mean Shift算法，一般是指一个迭代的过程。即先算出当前点的偏移均值,移动该点到其偏移均值，然后以此为新的起始点,继续移动，直到满足一定的条件结束。 meanshift可以被用来做目标跟踪和图像分割。 参考《Mean Shift：A Robust Approach Toward Feature
阅读全文
摘要：2018-06-12 万事开头难，面对科研，找不到入手点，最后看似忙忙碌碌，实则无所事事，我想这是一件很痛苦的事情吧。 师兄说要先有一篇有主题有结构有内容的论文，循序渐进最终结果可能会更好些，要不然高不成低不就自己痛苦。 总归是要痛苦一阵子的，所以我想接下来分析记录一下南开大学程明明老师关于科研的心
阅读全文
摘要：本人硕士研究生研究课题：弱监督学习框架下的全卷积神经网络图像语义分割 2018年1月16日，学院开题答辩，定下了这个题目。 今天是2018年6月10日。到现在，包括中间的寒假，五个月过去了，看一下当下的状况，并无任何进展，当然说的是课题方面。因为答辩之后贪玩的暂时解放心理，因为各种其他事情需要兼顾（
阅读全文
摘要：国外泛读！title（31）：Learning Pixel-level Semantic Affinity with Image-level Supervision for Weakly Supervised Semantic Segmentation（在弱监督语义分割中利用图像级监督学习像素级语义
阅读全文
摘要：国内精读！title（28）：Global Contrast based Salient Region Detection（基于全局对比的显著区域检测） CVPR2011 （显著性检测因为是一个非常具体的研究方向，所以并不像跟踪，人脸识别这种有一些经典的方法步骤。显著性就是对目标的提取，只不过是一种
阅读全文
摘要：国外精读！title（27）：We don’t need no bounding-boxes: Training object class detectors using only human verification（我们不需要任何边界框：只使用人工验证来训练对象类别检测器） 20170424 这
阅读全文
摘要：国外暂时泛读！title（24）：Weakly Supervised Learning with Deep Convolutional Neural Networks for Semantic Segmentation：Understanding semantic layout of images
阅读全文
摘要：本文是针对视频中行为者的行为进行弱监督标注信息的分割，和广义的图像语义分割不同，暂放。 国外泛读！title（19）：Weakly Supervised Semantic Segmentation using Web-Crawled Videos（使用Web抓取的视频进行弱监督语义分割） CVPR2
阅读全文
摘要：国外精读！title（17）：Exploiting saliency for object segmentation from image level labels（利用图像级签的显著性进行目标分割） CVPR2017 abstract：近年来语义标注任务有了显着的改进。然而，最先进的方法依赖于大规
阅读全文
摘要：国内暂时泛读！title（13）：基于纹元森林和显著性先验的弱监督图像语义分割方法 20171228 摘要：弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型，使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息，同时此类参数方法受到复杂度限制，无法使用大规模的弱监
阅读全文
摘要：国外暂时泛读！title（6）：Learning random-walk label propagation for weakly-supervised semantic segmentation（学习随机游走标签传播用于弱监督语义分割） 20180201 abstract：由于相对于其他视觉任务而
阅读全文
摘要：国内暂时泛读！title（4）：Tell Me Where to Look: Guided Attention Inference Network（告诉我看向哪里：引导注意推理网络） 20180227 abstract：只有粗糙标签的弱监督学习可以通过反向传播梯度获得深度神经网络的视觉解释，例如注意
阅读全文
摘要：前言：每天至少读2-3篇文章，有精有泛； 1、多数文章看摘要，少数文章看全文； 2、最重要的是：自己要概括这篇文献到底说了什么，做好笔记和记录，否则等于白读！ 3、看过的文章千万不可放置一旁再不过问，记得温故而知新。 4、阅读顺序： 先看abstract、introduction >然后看discu
阅读全文
摘要：这篇文章的主要贡献点在于： 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型； 2.可以利用bounding box来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的ground truth； 3.当我们用少量的pixel-level annotations和
阅读全文
摘要：一、FCN中的CNN 首先回顾CNN测试图片类别的过程，如下图： 主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fully connected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后
阅读全文
摘要：译文 摘要：在深度卷积网络（ConvNet）的帮助下，边缘检测已经取得了重大进展。基于ConvNet的边缘检测器在标准基准测试中达到了人类水平。我们提供了对于这些检测器输出的系统研究，且经研究表明它们没有准确定位边缘，这对于需要清晰的边缘输入的任务来说可能是背道而驰的。此外，我们提出了一种新颖的细化
阅读全文
