2021-05-19

Learning to Detect Salient Objects with Image-level Supervision论文阅读

 

Merit         与无监督方法相比，从完全监督中学习的 DNNs 在捕获语义上显著的前景区域方面更有效，在复杂场景下产生准确的结果 。 Problem 其 卓越 的 性能在很大程度上依赖于大量带有像素级注释的数据集进行训练。 标注工作非常繁琐，标注准确的训练集仍然稀缺而昂贵。 Solution 为了缓解大规模像素级标注的需求，本文提出了图像级标签的弱监督来训练显著性检测器。

Rational

• (object categories vs. object locations)这两项任务在概念上似乎不同，但本质上是相互关联的。
• 显著性检测提供了候选对象，使得能够进行更精确的类别分类。
• 图像级标签提供了图像中最有可能成为显著前景的主要对象的类别信息。
• 最近的工作[34，58]表明，仅用图像级标签训练的DNNs也能提供物体位置的信
• 

标签：显著性,训练,05,19,标签,DNNs,2021,图像,标注
来源： https://blog.csdn.net/weixin_45170985/article/details/117036659