首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

EXITS:基于极值点低标注成本弱监督实例分割 | CVPR 2024

为了解决这个问题,EXITS通过传播box外的极值点和背景点来估计边界框内的潜在前景和背景点。...论文进一步在三个公共基准数据集PASCAL VOC、COCO和LVIS上评估了EXITS,在这些数据集上,EXITS优于所有先前基于边界框监督的方法。 ...整个EXITS流程如图2所示。  由于第二阶段是传统的监督学习,可以应用于任何实例分割模型,因此主要阐述第一阶段,特别是EXITS如何为分割提供有效的监督学习。第一阶段的整体流程如图3所示。...Conditional random field loss  为了进一步优化预测的掩码,EXITS采用CRF损失。...具体来说,EXITS利用训练网络的指数移动平均得到一个教师网络,即伪标签生成器参数中的ViT编码器和mask解码器。

8410
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到
    领券