典型文献
流形正则化的交叉一致性语义分割算法
文献摘要:
目的 为有效解决半监督及弱监督语义分割模型中上下文信息缺失问题,在充分考虑模型推理效率的基础上,提出基于流形正则化的交叉一致性语义分割算法.方法 首先,以交叉一致性训练模型作为骨架网络,通过骨架网络获得预测分割图像.其次,对输入域图像和输出域图像进行子图像块划分,以获取具有相同几何结构的数据对.再次,通过原始图像和分割图像的子图像块,计算输入数据与预测结果所处流形曲面上的潜在几何约束关系,并根据不同的训练方式分别设计半监督及弱监督的正则化算法.最后,利用流形约束的结果进一步优化图像分割网络中的参数,并通过反复迭代使半监督或弱监督的语义分割模型达到最优.结果 通过加入流形正则化约束,捕获了图像中上下文信息,降低了网络前向计算过程中造成的本征结构的损失,在不改变网络结构的前提下提高了算法精度.为验证算法的有效性,实验分别在半监督和弱监督两种不同类型的语义分割中进行了对比,在PASCAL VOC 2012(pattern analysis,statistical modeling and computational learning visual object classes 2012)数据集上,对半监督语义分割任务,本文算法比原始网络提高了3.7%,对弱监督语义分割任务,本文算法比原始网络提高了1.1%.结论 本文算法在不改变原有网络结构的基础上,提升了半监督及弱监督图像语义分割模型的精度,尤其对图像中几何特征明显的目标与区域,精度提升更加明显.
文献关键词:
深度学习;语义分割;半监督语义分割;弱监督语义分割;交叉一致性训练;流形正则化
中图分类号:
作者姓名:
刘腊梅;宗佳旭;肖振久;兰海;曲海成
作者机构:
辽宁工程技术大学软件学院,葫芦岛 125105;泉州装备制造研究所,泉州 362000
文献出处:
引用格式:
[1]刘腊梅;宗佳旭;肖振久;兰海;曲海成-.流形正则化的交叉一致性语义分割算法)[J].中国图象图形学报,2022(12):3542-3552
A类:
交叉一致性训练,半监督语义分割
B类:
流形正则化,分割算法,弱监督语义分割,分割模型,上下文信息,信息缺失,模型推理,训练模型,子图像,几何结构,原始图像,输入数据,几何约束,约束关系,训练方式,正则化算法,图像分割,分割网络,入流,正则化约束,PASCAL,VOC,pattern,analysis,statistical,modeling,computational,learning,visual,object,classes,图像语义分割,几何特征,精度提升
AB值:
0.251941
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。