Linkage between piecewise constant Mumford-Shah model and ROF model and its virtue in image segmentation
University of Cambridge（剑桥大学）；University College London（伦敦大学学院）；City University of Hong Kong（香港城市大学）；University of Kaiserslautern（凯泽斯劳滕大学）；The Chinese University of Hong Kong（香港中文大学）
分段常数Mumford-Shah（PCMS）模型和Rudin-Osher-Fatemi（ROF）模型分别是图像分割和图像恢复中两种重要的变分模型。在本文中，我们探讨了这些模型之间的联系。我们证明，对于两阶段分割问题的部分极小的PCMS模型可以通过阈值的ROF模型的最小值。在特定假设下，类似的联系对于多相分割仍然有效。因此，它开辟了一个新的分割范例：图像分割可以通过图像恢复加阈值。这种新的范例，它规避了固有的非凸属性的PCMS模型，因此，提高了分割性能，在效率和（比基于PCMS模型的最新方法快得多，特别是当相数很高时）和有效性（产生具有更好质量的分割结果）由于ROF模型在处理退化图像（诸如噪声图像）方面的灵活性，图像模糊或图像信息丢失。作为新范式的副产品，我们推导出一种新的分割方法，称为阈值ROF（T-ROF）方法，以说明通过图像恢复技术管理图像分割的优点。证明了T-ROF方法的收敛性，并给出了详细的实验结果和比较。
2019-10-15 cs.CV cs.NA math.NA
Structured Consistency Loss for semi-supervised semantic segmentation
SNUAILAB（首尔大学人工智能实验室）；Seoul National Univ.（首尔大学）；KyeongBook Univ.（庆北大学）
一致性损失是近年来半监督学习研究中解决问题的关键。然而，现有的研究与一致性损失仅限于其应用于分类任务;现有的研究半监督语义分割依赖于像素分类，这并不反映结构化的性质的特征预测。我们提出了一个结构化的一致性损失，以解决现存研究的这一局限性。结构化一致性损失促进教师和学生网络之间像素间相似性的一致性。具体来说，与CutMix的合作通过显著降低计算负担来优化具有结构化一致性损失的半监督语义分割的高效性能。在Cityscapes上验证了所提方法的优越性，Cityscapes的基准测试结果（包括验证和测试数据）分别为81.9 mIoU和83.84 mIoU。这在Cityscapes基准测试套件的像素级语义标记任务中排名第一。据我们所知，我们是第一个提出最先进的半监督学习在语义分割的优势。
2021-11-22 cs.CV
I Bet You Are Wrong: Gambling Adversarial Networks for Structured Semantic Segmentation
University of Amsterdam（阿姆斯特丹大学）；TomTom（TomTom公司）
对抗性训练最近已被用于实现结构化语义分割，其目的是在密集预测中保留更高级别的场景结构化。然而，正如我们所展示的，分割网络和地面实况注释的预测之间基于值的区分可能会阻碍训练过程学习以提高结构质量，并使网络无法正确表达不确定性。在本文中，我们重新思考了语义分割的对抗训练，并提出了用正确/不正确的训练目标来制定假/真区分框架。更具体地说，我们用一个“赌徒”网络来代替预测者，这个网络学会在预测明显错误的地方发现和分配预算，而分段网络则试图给赌徒留下任何明确的线索。对两个道路场景语义分割任务的实证评估表明，该方法不仅能够重新表达不确定性，而且还改进了基于像素和基于结构的度量。
2019-08-07 cs.CV
Semantic Segmentation from Image Labels by Reconstruction from Structured Decomposition
本文提出将弱监督图像分割重新定义为基于掩码的图像分解重建问题，隐式嵌入正则化，在初步实验中表现出良好效果和对背景歧义的鲁棒性。
2024-09-02 cs.CV
StaticSegFormer: An Efficient High-Performance Semantic Segmentation Based on Static Structured Pruning
该研究针对动态结构化剪枝在GPU上帧率低的问题，提出StaticSegFormer静态结构化剪枝方法，使SegFormer在Cityscapes上帧率提升最高34%且无mIoU下降，适配小型编码器与大图像场景。
2026-08-06 cs.CV
Unsupervised Total Variation Loss for Semi-supervised Deep Learning of Semantic Segmentation
Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所）
我们引入了一种新的无监督损失函数，用于在密集标记的训练图像不可用时使用深度卷积神经网络（ConvNet）学习语义分割。更具体地，所提出的损失函数惩罚由ConvNet产生的标签概率向量图像的梯度的L1范数，即总变差。这可以被看作是一个正则化项，它促进了ConvNet在学习过程中产生的标签概率向量图像的分段平滑。将无监督损失函数与半监督设置中的监督损失相结合，以学习ConvNets，即使在训练图像中只有很小比例的像素被标记时，也可以实现高语义分割精度。我们展示了显着的改进，在魏茨曼马，斯坦福背景和Sift Flow数据集的纯监督设置。此外，我们表明，在学习阶段使用建议的分段平滑约束显着优于后处理结果从一个纯粹的监督方法与马尔可夫随机场（MRF）。最后，我们注意到，我们介绍的框架是通用的，可以用来学习标记其他类型的结构，如曲线结构，通过相应地修改无监督损失函数。
2018-08-07 cs.CV
Learning to Adapt Structured Output Space for Semantic Segmentation
NEC Laboratories America（美国NEC实验室）；University of California, Merced（加州大学默塞德分校）
用于语义分割的基于卷积神经网络的方法依赖于具有像素级基础事实的监督，但是可能不能很好地推广到看不见的图像域。由于标记过程是繁琐且劳动密集型的，因此开发可以使源地面真实标签适应目标域的算法是非常感兴趣的。在本文中，我们提出了一种对抗性学习方法的领域自适应的背景下，语义分割。考虑到语义分割的结构化输出，包含源域和目标域之间的空间相似性，我们在输出空间中采用对抗学习。为了进一步增强自适应模型，我们构建了一个多级对抗网络，以有效地执行不同特征级别的输出空间领域自适应。在不同的领域自适应设置下进行了广泛的实验和消融研究，包括合成到真实和跨城市的场景。我们表明，该方法在准确性和视觉质量方面优于最先进的方法。
2020-07-06 cs.CV
Building Segmentation through a Gated Graph Convolutional Neural Network with Deep Structured Feature Embedding
Technical University of Munich（慕尼黑工业大学）；German Aerospace Center (DLR)（德国航空航天中心）
由于建筑物形状的复杂性，从光学图像中自动提取建筑物仍然是一个挑战。语义分割是一种有效的方法。深度卷积神经网络（DCNN）的最新发展使精确的像素级分类任务成为可能。然而，一个核心问题仍然存在：边界的精确划定。深度架构通常无法产生具有准确边界的细粒度分割，因为它们是渐进式下采样的。因此，我们引入了一个通用的框架来克服这个问题，将图卷积网络（GCN）和深度结构化特征嵌入（DSFE）集成到端到端的工作流程中。此外，我们提出了一种门控图卷积网络，而不是使用经典的图卷积神经网络，它能够细化弱和粗语义预测，以生成清晰的边界和细粒度的像素级分类。以建筑物足迹的语义分割为例，比较了不同的特征嵌入结构和图神经网络。我们提出的框架与新的GCN架构优于国家的最先进的方法。虽然我们在这项工作中的主要任务是建筑足迹提取，所提出的方法可以普遍适用于其他二进制或多标签分割任务。
2019-11-08 cs.CV
Exploring Context with Deep Structured models for Semantic Segmentation
Nanyang Technological University（南洋理工大学）；The University of Adelaide（阿德莱德大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）
最先进的语义图像分割方法大多基于训练深度卷积神经网络（CNN）。在这项工作中，我们提出了改善语义分割与上下文信息的使用。特别是，我们探索了深度CNN中的“补丁-补丁”上下文和“补丁-背景”上下文。我们通过结合CNN和条件随机场（CRF）来制定深度结构化模型，以学习图像区域之间的补丁-补丁上下文。具体来说，我们制定了基于CNN的成对势函数，以捕捉相邻补丁之间的语义相关性。然后应用所提出的深度结构化模型的有效分段训练，以避免在反向传播过程中重复昂贵的CRF推断。对于捕获补丁背景上下文，我们表明，传统的多尺度图像输入和滑动金字塔池的网络设计是非常有效的，以提高性能。我们对所提出的方法进行了综合评价。我们在许多具有挑战性的语义分割数据集上实现了新的最先进的性能，包括$NYUDv2$、$PASCAL$ - $VOC2012$、$Cityscapes$、$PASCAL$ - $Context$、$SUN$ - $RGBD$、$SIFT$ - $flow$和$KITTI$数据集。特别是，我们报告了$PASCAL$ - $VOC2012$数据集上$77.8$的交叉-联合评分。
2017-05-02 cs.CV
Unsupervised Deep Learning Meets Chan-Vese Model
Tsinghua University（清华大学）；Yanqi Lake Beijing Institute of Mathematical Sciences and Applications（北京雁栖湖应用数学研究院）；Stony Brook University（石溪大学）
Chan-Vese（CV）模型是一种经典的基于区域的图像分割方法。然而，它的分段常数假设并不总是成立的实际应用。虽然已经提出了许多改进措施，但这个问题仍然远远没有得到很好的解决。在这项工作中，我们提出了一种无监督的图像分割方法，该方法将CV模型与深度神经网络相结合，显著提高了原始CV模型的分割精度。我们的基本思想是应用一个深度神经网络，将图像映射到一个潜在的空间，以减轻图像空间中的分段常数假设的违反。我们制定了这个想法下的经典贝叶斯框架近似的可能性与证据下限（ELBO）的条款，同时保持在CV模型的先验项。因此，我们的模型只需要输入图像本身，不需要外部数据集的预训练。此外，我们的想法扩展到多阶段的情况下，基于数据集的无监督图像分割。大量的实验验证了我们的模型的有效性，并表明该方法是显着优于其他无监督分割方法。
2022-04-14 cs.CV
Tree-structured Kronecker Convolutional Network for Semantic Segmentation
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
现有的大多数语义分割方法都是利用无卷积来扩大滤波器的接收域，但忽略了部分信息。为了解决这个问题，我们首先提出了一种新的Kronecker卷积，该卷积采用Kronecker积来扩展标准卷积核，以考虑到被atrous卷积忽略的部分特征。因此，它可以捕获部分信息，并同时扩大接受领域的过滤器，而无需引入额外的参数。其次，提出了树结构特征聚合（TFA）模块，该模块遵循递归规则进行扩展，形成层次结构。因此，它可以自然地学习多尺度对象的表示，并在复杂场景中编码分层上下文信息。最后，我们利用Kronecker卷积和TFA模块设计了树结构的Kronecker卷积网络（TKCN）。在PASCAL VOC 2012、PASCAL-Context和Cityscapes三个数据集上的实验验证了该方法的有效性。我们在https://github.com/wutianyiRosun/TKCN上公开提供代码和训练模型。
2018-12-15 cs.CV
Complex Relations in a Deep Structured Prediction Model for Fine Image Segmentation
Computer Science and Artificial Intelligence Laboratory（计算机科学与人工智能实验室）；Center for Brains, Minds and Machines（脑、心智与机器中心）；MIT（麻省理工学院）
许多用于语义分割的深度学习架构涉及全卷积神经网络（FCN），然后是条件随机场（CRF），以对图像进行推理。这些模型通常涉及基于由FCNs计算的局部外观特征的一元势，以及基于像素之间的位移的二元势。我们表明，虽然目前的方法成功地分割整个对象，他们表现不佳的情况下，涉及大量的对象部分。因此，我们建议纳入到推理算法的方式，人类识别和本地化的部分启发额外的高阶电位。我们将两个关系，被证明是有用的人类对象识别-遏制和附件-到CRF的能量项，并评估其性能的Pascal VOC零件数据集。我们的实验结果表明，精细部分的分割是积极的影响，这两个关系的增加，精细部分的分割可以进一步影响复杂的结构特征。
2018-05-24 cs.CV
Hierarchical pixel clustering for image segmentation
St. Petersburg Institute for Informatics and Automation of RAS（俄罗斯科学院圣彼得堡信息学与自动化研究所）
本文讨论了像素簇或像素段的连续数目的逐段常数图像近似。研究了图像逼近的层次序列对最优逼近序列的优化。通过减少类中的段数，提供了从像素聚类到图像分割的过渡。算法由初等公式证明。
2014-01-23 cs.CV
Large Scale Image Segmentation with Structured Loss based Deep Learning for Connectome Reconstruction
我们提出了一种结合亲和力预测与区域聚集的方法，该方法在准确性和可扩展性方面显著提高了电子显微镜（EM）神经元分割的最新技术水平。我们的方法由一个3D U-NET组成，经过训练以预测体素之间的亲和力，然后进行迭代区域聚集。我们使用基于MALIS的结构化损失进行训练，鼓励从亲和力阈值获得拓扑正确的分割。我们的扩展包括两个部分：第一，我们提出了一个准线性的方法来计算损失梯度，改进了原来的二次算法。其次，我们在两次单独的传递中计算梯度，以避免早期训练阶段的虚假梯度贡献。我们的预测是足够准确的，简单的学习免费的基于竞争的聚集优于更涉及的方法使用较早的劣质预测。我们在三个不同的EM数据集上展示了结果，与以前的结果相比，实现了27%，15%和250%的相对改善。我们的研究结果表明，一个单一的方法可以适用于近各向同性块面EM数据和各向异性的串行截面EM数据。我们的方法的运行时间与体积的大小呈线性关系，并实现了每兆像素约2.6秒的吞吐量，使我们的方法能够处理非常大的数据集。
2020-07-28 cs.CV
How Sampling Strategy Affects Imbalance Mitigation in LiDAR Segmentation: A Study of Structured vs. Random Point-Based Architectures
University of Cyprus（塞浦路斯大学）
该研究在DALES、S3DIS、STPLS3D数据集上，针对KPConv和RandLA-Net架构，测试了6种重加权方案与5种感知不平衡损失，发现采样策略、不平衡程度及数据采集特征的相互作用影响激光雷达分割的不平衡缓解效果。
2026-08-18 cs.CV
Structured Learning of Tree Potentials in CRF for Image Segmentation
The University of Adelaide（阿德莱德大学）；Nanyang Technological University（南洋理工大学）
我们提出了一种新的图像分割方法，它利用了条件随机场（CRF）和决策树的优点。在文献中，CRF的势函数大多被定义为一些预定义的参数模型的线性组合，然后应用结构化支持向量机（SSVMs）等方法来学习这些线性系数。相反，我们制定的一元和成对的潜力作为非参数森林-合奏的决策树，并学习合奏参数和树在一个统一的优化问题的大利润框架内。以这种方式，我们很容易实现非线性学习的潜在功能的一元和成对的条件下。此外，我们学习类明智的决策树的图像中出现的每个对象。由于决策树丰富的结构和灵活性，我们的方法是强大的建模复杂的数据可能性和标签关系。由此产生的优化问题是非常具有挑战性的，因为它可以有指数许多变量和约束。我们表明，这种具有挑战性的优化，可以有效地解决相结合的修改列生成和切割平面技术。在二进制（Graz-02，Weizmann horse，Oxford flower）和多类（MSRC-21，PASCAL VOC 2012）分割数据集上的实验结果证明了学习的非线性非参数势的能力。
2017-03-26 cs.CV
Weakly Supervised Semantic Segmentation in 3D Graph-Structured Point Clouds of Wild Scenes
The City College of New York（纽约城市学院）；The City College（城市学院）；The Graduate Center, the City University of New York（纽约城市大学研究生中心）
三维分割标签的缺乏是点云有效分割的主要障碍之一，特别是对于野外场景中各种不同的对象。为了缓解这个问题，我们提出了一种新的基于深度图卷积网络的框架，用于在点云中进行大规模语义场景分割，仅进行2D监督。与之前的许多多视图监督方法专注于单对象点云不同，我们认为，2D监督能够提供足够的指导信息，用于训练自然场景点云的3D语义分割模型，而不是明确地捕捉它们的固有结构，即使每个训练样本只有一个视图。具体而言，一个基于图的金字塔特征网络（GPFN）的设计，隐式地推断点集的全局和局部特征和可观察性网络（OBSNet）的引入，以进一步解决三维场景中的对象的复杂空间关系所造成的对象遮挡问题。在投影过程中，提出了透视渲染和语义融合模块，以提供精细的2D监督信号的训练以及2D-3D联合优化策略。广泛的实验结果证明了我们的2D监督框架的有效性，该框架在流行的SUNC合成数据集和S3 DIS真实世界数据集上进行语义点云分割时，取得了与使用完整3D标签训练的最先进方法相当的结果。
2020-05-17 cs.CV
Learning Propagation for Arbitrarily-structured Data
NVIDIA（英伟达）；University of California, Merced（加州大学默塞德分校）
处理包含任意结构的输入信号，例如，超像素和点云，仍然是计算机视觉的一大挑战。线性扩散是图像处理的一种有效模型，最近已与深度学习算法相结合。在本文中，我们建议学习数据点之间的成对关系，在全球范围内的方式，以提高语义分割与任意结构的数据，通过空间广义传播网络（SGPN）。网络通过学习的线性扩散过程在一组表示任意结构数据的图上传播信息。该模块可以灵活地嵌入并与多种类型的网络联合训练，CNN我们使用语义分割网络进行实验，在那里我们使用我们的传播模块来联合训练不同的数据-图像，超像素和点云。我们表明，与不包含此模块的网络相比，SGPN始终提高了像素和点云分割的性能。我们的方法提出了一种有效的方法来建模的全局成对关系的任意结构的数据。
2019-09-25 cs.CV
Decoding with Structured Awareness: Integrating Directional, Frequency-Spatial, and Structural Attention for Medical Image Segmentation
本文提出基于结构意识的解码框架，整合方向、频率-空间和结构注意力，提升医学图像分割的精度和泛化能力。
2025-12-05 cs.CV
Structured Binary Neural Networks for Accurate Image Classification and Semantic Segmentation
在本文中，我们提出用二进制化权重和激活来训练卷积神经网络（CNN），从而产生专门针对具有有限功率容量和计算资源的移动设备的量化模型。以前关于量化CNN的工作试图使用一组离散值来近似浮点信息，我们称之为值近似，但通常假设与全精度网络相同的架构。然而，在本文中，我们采取了一种新的“结构近似”的观点来进行量化-很可能不同的体系结构可能会更好地获得最佳性能。特别是，我们提出了一个“网络分解”的战略，命名为\textbf{Group-Net}，在其中，我们划分成组的网络。这样，每个全精度组都可以通过聚合一组同质二进制分支来有效地重建。此外，我们还学习了群体之间的有效联系，以提高代表能力。此外，所提出的组网络表现出很强的泛化到其他任务。例如，我们通过将丰富的上下文嵌入到二进制结构中来扩展Group-Net以实现高度准确的语义分割。分类和语义分割任务的实验表明，所提出的方法优于各种流行的架构的性能。特别是，我们优于以前最好的二进制神经网络的准确性和主要的计算节省。
2018-11-27 cs.CV
Deep Hierarchical Semantic Segmentation
Beijing Institute of Technology（北京理工大学）；ETH Zurich（苏黎世联邦理工学院）；University of Technology Sydney（悉尼科技大学）；Zhejiang University（浙江大学）；Baidu Research（百度研究院）
人类能够在观察中识别结构化关系，使我们能够将复杂的场景分解为更简单的部分，并在多个层次上抽象视觉世界。然而，这种人类感知的层次推理能力在当前的语义分割文献中仍然很大程度上未被探索。现有的工作往往是知道扁平标签和预测目标类专门为每个像素。在本文中，我们，而不是解决分层语义分割（HSS），其目的是在结构化，像素级的视觉观察描述的类层次结构。我们设计了HSSN，一个通用的HSS框架，解决了这项任务中的两个关键问题：i）如何有效地使现有的层次不可知的分割网络适应HSS设置，以及ii）如何利用层次信息来规范HSS网络学习。为了解决i），HSSN直接将HSS转换为逐像素多标签分类任务，仅对当前分割模型带来最小的架构改变。为了解决ii），HSSN首先探索层次结构的固有属性作为训练目标，其强制分割预测服从层次结构。此外，HSSN与层次诱导的边缘约束，重塑像素嵌入空间，从而产生良好的结构化像素表示，并最终改善分割。我们在四个语义分割数据集上进行实验（即，Mapillary Vistas 2.0、Cityscapes、LIP和PASCAL-Person-Part），采用不同的类层次、分段网络结构和主干，展示了HSSN的通用性和优越性。
2022-03-29 cs.CV
Dynamic-structured Semantic Propagation Network
Carnegie Mellon University（卡内基梅隆大学）；Wumii Tech. Limited（武米科技有限公司）；Petuum Inc（佩图姆公司）
由于将结构化推理结合到密集预测中的效率低且优化复杂，语义概念层次仍然未被充分探索用于语义分割。这种建模语义相关性的缺乏也使得先前的工作必须为每个任务调整高度指定的模型，因为数据集之间的标签差异。它严重限制了开集概念词汇和注释利用的分割模型的泛化能力。在本文中，我们提出了一个动态结构化的语义传播网络（DSSPN），建立一个语义神经元图，明确将语义概念层次结构到网络建设。每个神经元表示用于识别特定类型的实体的实例化模块，例如超类（例如食物）或特定概念（例如比萨饼）。在训练期间，DSSPN通过以原则性的方式仅激活每个图像的神经元子图来执行动态结构的神经元计算图。提出了一种密集的语义增强神经块，将所有祖先神经元的学习知识传播到每个细粒度的子神经元中进行特征进化。这种语义可解释结构的另一个优点是能够通过在每个步骤为每个注释选择性地激活不同的神经元子图来在不同的数据集上同时学习统一模型。在四个公共语义分割数据集（即ADE 20 K、COCO-Stuff、Cityscape和Mapillary）上的大量实验证明了我们的DSSPN优于最先进的分割模型。此外，我们证明了一个通用的分割模型，它是在不同的数据集上联合训练的，可以超过利用多个领域知识的常见微调方案的性能。
2018-03-16 cs.CV
MambaPanoptic: A Vision Mamba-based Structured State Space Framework for Panoptic Segmentation
Technical University of Munich（慕尼黑技术大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）；Polytechnic University of Milan（米兰理工大学）；University of Stuttgart（斯图加特大学）；Wuhan University（武汉大学）；Karlsruhe University of Applied Sciences（卡尔斯鲁厄应用科学大学）
本研究提出MambaPanoptic，一种基于视觉Mamba的结构状态空间框架，旨在解决全景分割中长程上下文建模、多尺度特征表示和高效密集预测的挑战，通过引入MambaFPN和改进的PanopticFCN风格核生成器实现统一的实例和物质预测。
2026-05-19 cs.CV
Subspace Learning in The Presence of Sparse Structured Outliers and Noise
子空间学习是图像和视频处理中的一个重要问题，在图像和视频处理中有着广泛的应用。它可以用来找到信号和图像的低维表示。但在许多应用中，期望信号被异常值和噪声严重失真，这对学习的子空间产生了负面影响。在这项工作中，我们提出了一种新的算法，学习信号表示的子空间，在存在结构化离群值和噪声。该算法试图联合检测离群值和学习图像的子空间。我们提出了一个交替优化算法来解决这个问题，它在学习子空间和找到离群点之间迭代。该算法已经在大量的图像块上进行了训练，并将学习的子空间用于图像分割，并显示出比现有方法更好的分割结果，包括最小绝对偏差拟合，DjVu中基于k均值聚类的分割，以及形状基元提取和编码算法。
2017-07-12 cs.CV
Deep Structured Features for Semantic Segmentation
ETH Zurich（苏黎世联邦理工学院）
我们提出了一个高度结构化的神经网络架构的语义分割与一个非常小的模型大小，适用于低功耗的嵌入式和移动平台。具体来说，我们的架构结合了i）基于Haar小波的树状卷积神经网络（CNN），ii）实现径向基函数核近似的随机层，以及iii）线性分类器。虽然阶段i）和ii）是完全预先指定的，但只有线性分类器是从数据中学习的。我们将所提出的架构应用于户外场景和航空图像语义分割，并表明我们的架构的准确性与传统的像素分类CNN具有竞争力。此外，我们证明了所提出的架构在匹配像素分类CNN的准确性方面是数据高效的，当在更小的数据集上训练时。
2017-06-16 cs.CV cs.LG
InverseForm: A Loss Function for Structured Boundary-Aware Segmentation
Qualcomm AI Research（高通人工智能研究院）
我们提出了一种新的边界感知损失项语义分割使用逆变换网络，有效地学习估计和目标边界之间的参数转换的程度。该插件损失项补充了捕获边界变换中的交叉熵损失，并允许在不增加其大小和计算复杂性的情况下对分割骨干模型进行一致且显著的性能改进。我们分析了我们的损失函数对三个室内和室外分割基准的定量和定性影响，包括Cityscapes，NYU-Depth-v2和PASCAL，将其集成到几个骨干网络的单任务和多任务设置的训练阶段。我们广泛的实验表明，所提出的方法始终优于基线，甚至在两个数据集上设置了新的最先进的方法。
2021-04-08 cs.CV cs.LG
Learning deep structured active contours end-to-end
University of Wageningen（瓦赫宁根大学）；University of Toronto（多伦多大学）
世界上覆盖着数百万座建筑物，精确了解每个实例的位置和范围对于众多应用程序至关重要。最近，由于卷积神经网络（CNN）的使用，自动建筑物足迹分割模型已经显示出优越的检测精度。然而，即使是最新的演变也难以精确地划定边界，这通常会导致几何扭曲和相邻建筑实例的无意融合。我们建议通过利用建筑物独特的几何特性来克服这个问题。为此，我们提出了深度结构化活动轮廓（DSAC），一种新的框架，将先验和约束集成到分割过程中，如连续边界，平滑边缘和尖角。为此，DSAC采用主动轮廓模型（ACM），一系列基于约束和先验的多边形模型。我们使用CNN学习每个实例的ACM参数化，并展示如何将所有组件合并到结构化输出模型中，使DSAC可端到端训练。我们在三个具有挑战性的建筑实例分割数据集上评估DSAC，与最先进的DSAC相比，DSAC具有优势。
2018-03-16 cs.CV
A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation
University of California at Irvine（加州大学欧文分校）；Whittier College（惠蒂尔学院）；University of Texas at Dallas（德克萨斯大学达拉斯分校）
在一类分段常数图像分割模型中，我们提出将各向异性和各向同性全变差（AITV）的加权差正则化图像中的分区边界。特别是，我们取代总变分正则化的Chan-Vese分割模型和模糊区域竞争模型的建议AITV。为了处理AITV的非凸性质，我们应用凸差分算法（DCA），其中子问题可以通过原始-对偶混合梯度法与线性插值来最小化。分析了DCA格式的收敛性。此外，一个推广到彩色图像分割进行了讨论。在数值实验中，我们比较了所提出的模型与经典的凸方法和两阶段分割方法（平滑，然后阈值）在各种图像上，表明我们的模型是有效的图像分割和鲁棒性的脉冲噪声。
2021-07-18 cs.CV
Deep Variational Instance Segmentation
CoRIS Institute（CoRIS研究所）；Oregon State University（俄勒冈州立大学）；Stony Brook University（石溪大学）
实例分割是计算机视觉中的一项具有挑战性的任务，它试图为输入图像中的每个像素获得类别和实例标签。最先进的算法通常采用两个独立的阶段，第一个阶段生成对象建议，第二个阶段识别和细化边界。此外，建议通常基于检测器，例如更快的R-CNN，其在整个图像中彻底搜索框。在本文中，我们提出了一种新的算法，直接利用全卷积网络（FCN）来预测实例标签。具体来说，我们提出了一个变分松弛的实例分割最小化的分段常数分割问题，它可以用来训练的FCN端到端的优化功能。它扩展了经典的Mumford-Shah变分分割问题，使其能够处理实例分割的地面真值中的置换不变标签。在PASCAL VOC 2012、语义边界数据集（SBD）和MSCOCO 2017数据集上的实验表明，该方法有效地解决了实例分割任务。源代码和训练模型将与论文一起发布。
2020-10-24 cs.CV
Seeing Through Clutter: Structured 3D Scene Reconstruction via Iterative Object Removal
University of California, San Diego（加州大学圣地亚哥分校）；Adobe Research（Adobe研究院）
通过迭代移除物体实现结构化3D场景重建，无需特定任务训练，提升复杂场景下的鲁棒性。
2026-02-12 cs.CV
Stable Segmentation of Digital Image
St. Petersburg Institute for Informatics and Automation of Russian Academy of Sciences (SPIIRAS)（俄罗斯科学院圣彼得堡信息学与自动化研究所）
本文研究了用分段常数逼近法进行图像最优分割的问题。最优性由总平方误差的最小值或由来自图像的近似的标准偏差的等效值定义。最佳近似值的定义与其获得方法无关，并且可能在不同的算法中生成。我们调查的最佳逼近的稳定性相对于一组给定的修改的理由的计算。为了获得最佳逼近的Mumford-Shuh模型进行了推广和发展，在计算部分结合了多阈值版本中的Otsu方法。所提出的解决方案是证明了分析和实验上的标准图像的例子。
2012-08-13 cs.CV
Fast Piecewise-Affine Motion Estimation Without Segmentation
Center for Biomedical Imaging (CIBM-SP), EPFL（洛桑联邦理工学院生物医学成像中心（CIBM-SP））；Universität Heidelberg（海德堡大学）；Helmholtz Zentrum München（慕尼黑亥姆霍兹中心）；Hochschule Darmstadt（达姆施塔特应用技术大学）
当前用于分段仿射运动估计的算法方法基于交替的运动分割和估计。我们提出了一种新的方法来估计分段仿射运动场直接没有中间分割。为此，我们重新制定的问题，通过施加分段常数的参数字段，并推导出一个特定的邻近分裂优化方案。我们的框架的一个关键组成部分是一个有效的一维分段仿射估计向量值信号。与基于分割的方法相比，我们的方法的第一个优点是它没有初始化。第二个优点是其较低的计算成本，这是独立的运动场的复杂性。除了这些功能，我们表现出竞争力的准确性与其他分段参数方法的标准评估基准。我们的新正则化方案也优于更标准的全变分和全广义变分。
2018-02-06 cs.CV
Joint Segmentation and Deconvolution of Ultrasound Images Using a Hierarchical Bayesian Model based on Generalized Gaussian Priors
University of Toulouse（图卢兹大学）；IRIT/INP-ENSEEIHT（图卢兹国立综合理工学院国立高等电子技术、电子学、计算机、水力学院/图卢兹信息学研究所）；IRIT, CNRS UMR 5505（法国国家科学研究中心联合研究单位5505 图卢兹信息学研究所）
提出了一种医学超声图像的联合分割与去卷积贝叶斯方法。与分段均匀图像相反，US图像表现出与组织结构相关的重特征散斑图案。广义高斯分布（GGD）已被证明是最相关的分布之一，用于表征斑点在美国的图像。因此，我们提出了一个GGD-Potts模型定义的标签地图耦合US图像分割和反卷积。未知模型参数的贝叶斯估计，包括US图像，标签图和所有超参数，很难以封闭形式表示。因此，我们研究了一个吉布斯采样器来生成根据感兴趣的后验分布的样本。这些生成的样本最终用于计算未知参数的贝叶斯估计。所提出的贝叶斯模型的性能与现有的方法相比，通过几个实验进行现实的合成数据和在体内US图像。
2016-05-02 cs.CV
Fast Edge Detection Using Structured Forests
Microsoft Research（微软研究院）
边缘检测是许多视觉系统的关键组成部分，包括目标检测器和图像分割算法。边缘的补丁表现出众所周知的局部结构形式，如直线或T形接头。在本文中，我们利用局部图像补丁中存在的结构来学习准确和计算效率高的边缘检测器。我们制定了一个结构化的学习框架应用于随机决策森林的预测局部边缘掩模的问题。我们的新方法来学习决策树鲁棒的结构化标签映射到一个离散的空间上，标准的信息增益措施可以进行评估。其结果是，该方法获得的实时性能比许多竞争的最先进方法快几个数量级，同时还在BSDS 500分割数据集和纽约大学深度数据集上获得了最先进的边缘检测结果。最后，我们展示了我们的方法作为通用边缘检测器的潜力，展示了我们学习的边缘模型在数据集上的泛化能力。
2014-11-25 cs.CV
On the Robustness of Semantic Segmentation Models to Adversarial Attacks
University of Oxford（牛津大学）
深度神经网络（DNN）在大多数识别任务（如图像分类和分割）上表现出卓越的性能。然而，它们也被证明容易受到对抗性例子的影响。这种现象最近引起了很多关注，但尚未在多个大规模数据集和结构化预测任务（如语义分割）上进行广泛研究，这些任务通常需要具有额外组件的更专业的网络，如CRF，扩张卷积，跳跃连接和多尺度处理。在本文中，我们使用两个大规模数据集，首次对现代语义分割模型的对抗攻击进行了严格的评估。我们分析了不同的网络架构，模型容量和多尺度处理的效果，并表明，许多观察分类的任务并不总是转移到这个更复杂的任务。此外，我们还展示了深度结构化模型中的平均场推理、多尺度处理（以及更一般的输入变换）如何自然地实现最近提出的对抗性防御。我们的观察将有助于未来的努力，在理解和防御对抗性的例子。此外，在短期内，我们将展示如何有效地基准的鲁棒性，并显示哪些分割模型目前应该是首选的安全关键型应用程序，由于其固有的鲁棒性。
2018-07-08 cs.CV
Fully Connected Deep Structured Networks
University of Toronto（多伦多大学）
具有许多层的卷积神经网络最近已被证明在许多高级任务（例如图像分类、目标检测以及最近的语义分割）上实现了优异的结果。特别是对于语义分割，通常采用两阶段过程。因此，卷积网络被训练为第二步提供良好的局部像素特征，传统上是一个更全局的图形模型。在这项工作中，我们将这两个阶段的过程统一到一个单一的联合训练算法。我们在语义图像分割任务上展示了我们的方法，并在具有挑战性的PASCAL VOC 2012数据集上显示了令人鼓舞的结果。
2015-03-09 cs.CV cs.LG
Predicting the Solar Potential of Rooftops using Image Segmentation and Structured Data
namR（namR公司）；ENSTA Paris（巴黎高等先进技术学院）；Ecole polytechnique（巴黎综合理工学院）；IP Paris（巴黎理工学院）；Université de Paris（巴黎大学）；Ecole normale supérieure（巴黎高等师范学院）；Université Paris Dauphine（巴黎多芬大学）
估计屋顶光伏系统可以产生的电量是一个耗时的过程，需要现场测量，这是一项大规模实现的艰巨任务。在本文中，我们提出了一种方法来估计屋顶的太阳能潜力的基础上，他们的位置和建筑特点，以及他们每年收到的太阳辐射量。我们的技术一方面使用计算机视觉来实现屋顶截面和屋顶对象的语义分割，另一方面使用基于结构化建筑特征的机器学习模型来预测屋顶倾斜。然后，我们计算的方位角和最大数量的太阳能电池板，可以安装在屋顶上的几何方法。最后，我们计算精确的遮光罩，并将其与太阳辐射数据相结合，使我们能够估计屋顶的年太阳能潜力。
2021-05-28 cs.CV cs.LG
PseudoSeg: Designing Pseudo Labels for Semantic Segmentation
Virginia Tech（弗吉尼亚理工大学）；Google Cloud AI（谷歌云AI）；Google Brain（谷歌大脑）
半监督学习（SSL）的最新进展表明，一致性正则化和伪标记相结合可以有效地提高低数据状态下图像分类的准确率。与分类相比，语义分割任务需要更密集的标记成本。因此，这些任务极大地受益于数据高效的训练方法。然而，分割中的结构化输出带来了特殊的困难（例如，设计伪标记和增强）以应用现有的SSL策略。为了解决这个问题，我们提出了一种简单而新颖的伪标签重新设计，以生成经过良好校准的结构化伪标签，用于使用未标记或弱标记数据进行训练。我们提出的伪标签策略是网络结构不可知的，适用于一个阶段的一致性训练框架。我们证明了所提出的伪标签策略在低数据和高数据制度的有效性。大量的实验已经证明，通过明智地融合不同的源和强大的数据增强产生的伪标签是至关重要的一致性训练分割。源代码可在https://github.com/googleinterns/wss上获得。
2021-03-30 cs.CV
OMH: Structured Sparsity via Optimally Matched Hierarchy for Unsupervised Semantic Segmentation
EPFL（洛桑联邦理工学院）
针对无监督语义分割中特征优化与聚类目标脱节、分割结果难以对齐的问题，提出OMH，通过最优传输学习并行聚类间的稀疏层次结构并施加结构化稀疏约束，提升了分割性能。
2024-04-05 cs.CV cs.LG
Structural Pruning via Spatial-aware Information Redundancy for Semantic Segmentation
Huazhong University of Science and Technology（华中科技大学）
本文提出空间感知信息冗余滤波器剪枝（SIRFP），将剪枝建模为最大边权团问题，引入空间感知冗余度量并采用低复杂度贪心策略，有效减少通道冗余，提升语义分割网络剪枝性能。
2024-12-17 cs.CV
Compassionately Conservative Balanced Cuts for Image Segmentation
Rochester Institute of Technology（罗切斯特理工学院）
标准化切割（Normalized Cut，NCut）目标函数，广泛用于数据聚类和图像分割，量化了图分割的成本，使平衡的聚类或分割偏向于具有比不平衡分割更低的值。然而，这种偏向是如此之强，以至于它避免了任何单例划分，即使顶点与图的其余部分连接非常弱。受Bühler-Hein平衡削减成本家族的启发，我们提出了同情保守平衡（CCB）削减成本家族，该家族由一个参数索引，该参数可用于在避免太多单例分区的愿望和所有分区都应平衡的概念之间达成妥协。我们发现，CCB-Cut最小化可以放松到一个正交约束的$\ell_τ$ -最小化问题，符合问题的计算分段平坦嵌入（PFE）为一个特定的指标值，我们提出了一个算法，通过迭代最小化一系列的重新加权瑞利导数（IRRQ）来解决放松的问题。使用BSDS 500数据库中的图像，我们表明，基于CCB-Cut最小化的图像分割提供了更好的准确性，地面真理和更大的变化，区域大小比基于NCut的图像分割。
2018-03-27 cs.CV
Robust Multispectral Semantic Segmentation under Missing or Full Modalities via Structured Latent Projection
Department of Computer Engineering, Ankara University（安卡拉大学计算机工程系）；Department of Modeling and Simulation, Graduate School of Informatics, METU（信息学院建模与模拟系，METU）
本文提出CBC-SLP模型，通过结构化潜在投影保留模态不变和特定信息，提升多模态语义分割在缺失或完整模态下的鲁棒性和性能。
2026-04-17 cs.AI cs.CV
Piecewise Linear Patch Reconstruction for Segmentation and Description of Non-smooth Image Structures
Nanyang Technological University（南洋理工大学）
在本文中，我们提出了一个统一的能量最小化模型的非光滑图像结构的分割。分段线性块重建的能量被认为是非光滑结构分割质量的客观度量。该方法通过最小化单个能量来实现图像分割，而不需要单独的特征提取过程。我们还证明了分割的错误是有界的建议的能量泛函，这意味着最小化建议的能量导致减少分割的错误。作为一个副产品，我们的方法为每个分割区域产生一个优化的正交描述符字典。我们的方法的独特之处在于，它实现了在同一优化框架下的非光滑图像结构的同时分割和描述。实验验证了我们的理论主张，并显示出明显的优越性能，我们的方法比其他相关方法分割的各种图像纹理。我们表明，我们的模型可以与分段光滑模型相结合，以处理光滑和非光滑的结构，我们证明，该模型是能够处理多个不同的区域，通过一个对所有的战略。
2012-07-21 cs.CV
Automated Video Segmentation Machine Learning Pipeline
Image Engine Design Inc.（图像引擎设计公司）
本文提出一种自动化视频分割流水线，利用机器学习实现文本提示目标检测、逐帧分割和视频跟踪，生成时间一致的实例掩码，通过容器化部署减少人工并提升VFX制作效率。
2025-07-09 cs.CV
Free Form based active contours for image segmentation and free space perception
University of Picardie Jules Verne（儒勒·凡尔纳皮卡第大学）；University of Limoges（利摩日大学）；CNRS（法国国家科学研究中心）；XLim Institute（XLim研究所）
在本文中，我们提出了一种新的方法来表示和发展可变形的活动轮廓。该方法结合了分段正则B{é}zier模型和局部自由变形定义的曲线演化。轮廓变形是局部约束的，这使得轮廓收敛几乎线性的复杂性，同时适应各种形状设置和处理拓扑变化的活动轮廓。我们证明了新的主动轮廓计划的有效性，视觉自由空间的感知和分割使用全方位的机器人探索未知的室内和室外环境所获得的图像。几个实验验证了国家的最先进的参数和几何活动轮廓的方法相比，并提供快速和实时的机器人自由空间分割和导航。
2016-06-15 cs.CV cs.RO
Post-Training Piecewise Linear Quantization for Deep Neural Networks
Samsung Semiconductor, Inc.（三星半导体有限公司）；Microsoft（微软）
量化在资源有限的设备上深度神经网络的节能部署中起着重要作用。训练后量化是非常可取的，因为它不需要重新训练或访问完整的训练数据集。通过将神经网络从全精度转换为8位定点整数，建立了一种统一的后训练量化方案，取得了令人满意的结果。然而，当量化到较低的比特宽度时，它遭受显著的性能下降。在本文中，我们提出了一个分段线性量化（PWLQ）计划，使张量值，具有长尾巴的钟形分布的准确近似。我们的方法将整个量化范围分解为每个张量的非重叠区域，每个区域被分配相同数量的量化级别。通过最小化量化误差找到划分整个范围的最佳断点。实验结果表明，与现有的训练后量化方法相比，该方法在图像分类、语义分割和目标检测等方面具有更好的性能，且开销较小.
2020-03-18 cs.CV cs.LG
Fast, Exact and Multi-Scale Inference for Semantic Image Segmentation with Deep Gaussian CRFs
INRIA（法国国家信息与自动化研究所）；Centrale Supélec（中央理工-高等电力学院）
在这项工作中，我们提出了一种结构化预测技术，将高斯条件随机场（G-CRF）的优点与深度学习相结合：（a）我们的结构化预测任务具有从线性系统的解精确获得的唯一全局最优值（b）我们的模型参数的梯度使用封闭形式表达式来解析计算，与依赖于时间反向传播的要求存储器的当代深度结构化预测方法相反，（c）我们的成对项不必是简单的手工制作的表达式，如在建立在DenseCRF上的作品中，而是可以通过深层架构从数据中“发现”，以及（d）我们的系统可以以端到端的方式进行训练。基于数值分析的标准工具，我们开发了非常有效的推理和学习算法，以及适应语义分割任务的定制技术。这种效率使我们能够在深度学习中探索更复杂的结构化预测架构：我们引入多分辨率架构，在联合优化框架中跨尺度耦合信息，从而产生系统性改进。我们展示了我们的方法在具有挑战性的VOC PASCAL 2012图像分割基准上的实用性，显示出在强基线上的实质性改进。我们在{https：//github.com/siddharthachandra/gcrf}上提供了所有的代码和实验
2016-11-29 cs.CV cs.LG
Deep Value Networks Learn to Evaluate and Iteratively Refine Structured Outputs
ETH Zürich（苏黎世联邦理工学院）；Google Brain（谷歌大脑）
我们通过优化深度值网络（DVN）来实现结构化输出预测，以精确估计给定输入的不同输出配置上的任务损失。一旦模型被训练好，我们就通过梯度下降对输出变量的连续松弛进行推理，以从价值网络中找到具有有希望得分的输出。当应用于图像分割时，值网络将图像和分割掩码作为输入，并预测标量，估计输入和地面真值掩码之间的交集。对于多标签分类，DVN的目标是正确预测任何潜在标签配置的F1分数。DVN框架在多标签预测和图像分割基准测试中取得了最先进的结果。
2017-08-08 cs.AI cs.CV cs.LG
Multi-utility Learning: Structured-output Learning with Multiple Annotation-specific Loss Functions
Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学）；Microsoft Research Cambridge（微软研究院剑桥实验室）
结构化输出学习是一个具有挑战性的问题;特别是因为很难获得完整标记实例的大型数据集进行训练。在本文中，我们试图克服这个困难，提出了一个多效用学习框架结构化预测，可以从训练实例与不同形式的监督。我们提出了一个统一的技术推断的损失函数最适合量化的解决方案与给定的弱注释的一致性。我们证明了我们的框架上具有挑战性的语义图像分割问题，各种各样的注释可以使用的有效性。例如，用于语义分割的流行训练数据集由具有难以生成的全像素标签的图像以及具有容易获得的弱注释的图像组成，例如对象周围的边界框或指定图像中存在哪些对象类别的图像级标签。实验评估表明，与仅使用一种类型的弱注释的基线系统相比，使用特定于注释的损失函数显著提高了分割精度。
2014-06-23 cs.CV cs.LG
CellSegmenter: unsupervised representation learning and instance segmentation of modular images
Broad Institute（博德研究所）
我们介绍了CellSegmenter，一个结构化的深度生成模型和一个用于无监督表示学习和实例分割任务的摊销推理框架。所提出的推理算法是卷积和并行化的，没有任何循环机制，并且能够解决对象-对象遮挡，同时独立地处理远处的非遮挡对象。这导致了极快的训练时间，同时允许外推到任意数量的实例。我们还引入了一个透明的后验正则化策略，鼓励场景重建与最少的本地化对象和低复杂度的背景。我们在具有结构化背景的具有挑战性的合成多MNIST数据集上评估了我们的方法，并且仅用几百个训练时期就达到了近乎完美的准确度。最后，我们展示了细胞核成像数据集的分割结果，证明了我们的方法能够提供高质量的分割，同时还能处理涉及大量实例的实际用例。
2020-11-25 cs.CV cs.LG
Power-SLIC: Fast Superpixel Segmentations by Diagrams
Zentrum Mathematik, Technische Universität München（慕尼黑工业大学数学中心）；University of Liverpool（利物浦大学）
超像素算法将具有相似颜色和其他低级别属性的像素分组，越来越多地用于图像分割的预处理。近年来，一个焦点已经放在发展几何超像素的方法，促进几何图像特征的提取和分析。基于图的超像素方法在几何方法中是重要的，因为它们生成紧凑且稀疏可表示的超像素。将广义平衡功率图引入到超像素领域，提出了一种称为Power-SLIC的图方法。Power-SLIC是第一个生成分段二次边界的几何超像素方法。它的速度，竞争力的快速国家的最先进的方法，是前所未有的图表方法。大量的计算实验表明，Power-SLIC算法在边界召回率、分割误差、可达到的分割精度和压缩质量等方面均优于现有的图方法。此外，Power-SLIC对高斯噪声具有鲁棒性。
2021-10-16 cs.CG cs.CV cs.LG
An efficient iterative thresholding method for image segmentation
Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种高效的迭代阈值方法用于多相图像分割，通过非局部多相能量近似轮廓长度，实现最优复杂度O(N log N)的高效分割。
2016-08-12 cs.CV cs.NA math.NA
Solving Inverse Problems with Piecewise Linear Estimators: From Gaussian Mixture Models to Structured Sparsity
University of Minnesota（明尼苏达大学）；Ecole Polytechnique（巴黎综合理工学院）
介绍了一种求解图像反问题的一般框架。该方法是基于高斯混合模型，通过计算效率的MAP-EM算法估计。一个双重的数学解释所提出的框架与结构化稀疏估计，这表明，所产生的分段线性估计稳定的估计相比，传统的稀疏反问题技术。这种解释也表明一个有效的字典动机的初始化MAP-EM算法。我们证明，在一些图像逆问题，包括修复，缩放和去模糊，相同的算法产生要么相等，往往显着更好，或非常小的利润差的结果比最好的出版，在较低的计算成本。
2010-06-15 cs.CV
Learning Rich Representations For Structured Visual Prediction Tasks
TOYOTA TECHNOLOGICAL INSTITUTE AT CHICAGO（芝加哥丰田技术研究所）
我们描述了一种方法来学习丰富的图像表示，使简单而有效的预测在一系列的视觉任务，涉及空间结构化的地图。我们的主要思想是映射小的图像元素的特征表示提取的嵌套区域的序列增加的空间范围。这些区域是通过从像素/超像素一直“缩小”到场景级分辨率来获得的，因此我们称这些为缩小特征。应用于语义分割和其他结构化预测任务，我们的方法利用图像和标签空间中的统计结构，而无需建立显式的结构化预测机制，从而避免了复杂和昂贵的推理。相反，图像元素通过前馈多层网络进行分类，该网络具有跨越缩小级别的跳层连接。当与ResNet、DenseNet和NASNet等现代神经架构结合使用时，我们的方法在分割基准上达到了有竞争力的准确性。此外，我们提出了一种方法，学习类别级语义分割纯粹从图像级分类标签。它利用了从训练为分类任务量身定制的修改后的缩小架构中出现的定位线索，以驱动弱监督过程，该过程自动标记可能属于感兴趣类别的稀疏，多样化的训练点集。最后，我们引入了数据驱动的正则化函数，用于CNN的监督训练。我们的创新采用正则化器的形式，通过在注释集上学习自动编码器来获得。该方法利用改进的标签空间表示来通知从图像中提取特征
2019-08-30 cs.CV cs.LG
