没有合适的资源?快使用搜索试试~ 我知道了~
ICD:使用类内鉴别器学习积分对象以进行弱监督的语义分割
共49个文件
py:18个
h:11个
gitkeep:4个
需积分: 10 0 下载量 188 浏览量
2021-04-23
00:23:44
上传
评论
收藏 329KB ZIP 举报
温馨提示
使用类内鉴别器学习积分对象以进行弱监督的语义分割 使用类内鉴别器学习整体对象以进行弱监督的语义分割,范俊松,张兆祥,宋春风,tanh铁牛,CVPR2020 。 介绍 基于先前类激活图(CAM)的方法学习类间边界,该边界着重于不同前景类之间的差异。 对于弱监督分割问题,它可能不是最佳选择,因为目标对象和背景在同一图像中共享相同的类别。 为了缓解这个问题,我们提出了一种ICD方法来学习前景对象和背景之间的每个类别的类内边界,它更适合于弱监督的分割问题。 所提出的方法是端到端的,可以与CAM分支一起在单个回合中进行训练。 与基于CAM的结果相比,由建议的ICD导出的伪掩码更完整。 先决条件 Python 3.7,MXNet 1.3.1,Numpy,OpenCV, NVIDIA GPU 用法 准备数据和预训练的参数: 下载VOC 2012数据集,其中应包含VOC2012/JPEGImag
资源推荐
资源详情
资源评论
收起资源包目录
ICD-master.zip (49个子文件)
ICD-master
compute_iou.py 2KB
external
superpixel
src
segment.cpp 5KB
segment
segment.cpp 1KB
convolve.h 2KB
filter.h 3KB
disjoint-set.h 2KB
COPYING 18KB
imconv.h 5KB
segment-graph.h 2KB
Makefile 338B
misc.h 2KB
pnmfile.h 5KB
segment-image.h 4KB
image.h 2KB
README 782B
imutil.h 2KB
makeSuperpixel.cpp 2KB
build
.gitkeep 0B
Makefile 676B
include
segment.h 440B
core
utils
image_tools.py 3KB
mxnet_tools.py 10KB
__init__.py 85B
dataset_tools.py 2KB
model
vgg.py 3KB
__init__.py 0B
layers.py 8KB
layers_custom
__init__.py 71B
constant.py 2KB
icd.py 9KB
segmentation.py 7KB
data
__init__.py 0B
VOC
voc_class_loader.py 4KB
__init__.py 91B
voc_wsss_sp_loader.py 5KB
generate_superpixel.py 9KB
LICENSE 1KB
README.md 4KB
data
superpixels
.gitkeep 0B
saliency
.gitkeep 0B
pretrained
.gitkeep 0B
VOC2012
test.txt 17KB
val.txt 17KB
train_aug.txt 124KB
resources
framework.jpg 64KB
visualization.jpg 129KB
introduction.jpg 48KB
run_icd.py 15KB
.gitignore 198B
共 49 条
- 1
资源评论
yueyhangcheuk
- 粉丝: 28
- 资源: 4701
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功