Learning from Weak and Noisy Labels for Semantic Segmentation

A weakly supervised semantic segmentation (WSSS) method aims to learn a segmentation model from weak (image-level) as opposed to strong (pixel-level) labels. By avoiding the tedious pixel-level annotation process, it can exploit the unlimited supply of user-tagged images from media-sharing sites suc...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on pattern analysis and machine intelligence Ročník 39; číslo 3; s. 486 - 500
Hlavní autoři:	Lu, Zhiwu, Fu, Zhenyong, Xiang, Tao, Han, Peng, Wang, Liwei, Gao, Xin
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.03.2017 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Computational modeling Image annotation Image segmentation label noise reduction Labeling Labels Machine learning Noise measurement Noise reduction Optimization Pixels Semantic segmentation Semantics sparse learning Training weakly supervised learning
ISSN:	0162-8828, 2160-9292, 1939-3539
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!