国外暂时泛读！title（6）：Learningrandom-walklabelpropagationforweakly-supervisedsemanticsegmentation（学习随机游走标签传播用于弱监督语义分割）---20180201abstract：由于相对于其他视觉任务而获得用于该任务的训练数据的花费，...

国内暂时泛读！title（4）：TellMeWheretoLook:GuidedAttentionInferenceNetwork（告诉我看向哪里：引导注意推理网络）---20180227abstract：只有粗糙标签的弱监督学习可以通过反向传播梯度获得深度神经网络的视觉解释，例如注意力图。这些注意图随后可用作目标定位...

前言：每天至少读2-3篇文章，有精有泛；1、多数文章看摘要，少数文章看全文；2、最重要的是：自己要概括这篇文献到底说了什么，做好笔记和记录，否则等于白读！3、看过的文章千万不可放置一旁再不过问，记得温故而知新。4、阅读顺序：先看abstract、introduction--->然后看discussion---&g...

一、文献综述概述文献综述是研究者在其提前阅读过某一主题的文献后，经过理解、整理、融会贯通，综合分析和评价而组成的一种不同于研究论文的文体。综述的目的是反映某一课题的新水平、新动态、新技术和新发现。从其历史到现状，存在问题以及发展趋势等，都要进行全面的介绍和评论。在此基础上提出自己的见解，预测技术的发展趋势，为选题和开题...

本文大致脉络：对每张图片，作者首先使用 P.Doll´arandC.Zitnick.Structuredforestsforfastedgedetection. ICCV,2013.4,5来产生边缘图（edgeprobabilitymap)，请注意probability，因为下面connectedr...

译文：《基于二值化赋范梯度特征的一般对象估计》摘要：通过训练通用的对象估计方法来产生一组候选对象窗口，能够加速传统的滑动窗口对象检测方法。我们观察到一般对象都会有定义完好的封闭轮廓，而且通过将相关图像窗口重置为固定大小，就可以通过梯度幅值进行区分。基于以上的观察以及复杂度的考虑，为了明确训练方法，我们将窗口固定为8*8...

UCBerkeley的DeepakPathak使用了一个具有图像级别标记的训练数据来做弱监督学习。训练数据中只给出图像中包含某种物体，但是没有其位置信息和所包含的像素信息。该文章的方法将imagetags转化为对CNN输出的label分布的限制条件，因此称为Constrainedconvolutionalneuraln...

这篇文章的主要贡献点在于：1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型；2.可以利用boundingbox来进行训练，并且得到了较好的结果，这样可以代替用pixel-level训练中的groundtruth；3.当我们用少量的pixel-levelannotations和大量的图像整体的弱标签来进行半监...

这篇论文主要介绍了如何使用图片级标注对像素级分割任务进行训练。想法很简单却达到了比较好的效果。文中所提到的loss比较有启发性。大体思路：首先同FCN一样，这个网络只有8层（5层VGG，3层全卷积）。不同的是由于图片只有image-level的标注，所以输出图像的清晰度无法保证，所以没有反卷积。图片的分辨率很低很低，但...

作者：李洲链接：https://www.zhihu.com/question/20169638/answer/18205965来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。转载一个对我帮助很大的研究生手册，作者是台湾清华大学的彭明辉教授。比较长，但绝对值得一读。就我自己读研时候的体会，这...

首先回顾CNN测试图片类别的过程，如下图：主要由卷积，pool与全连接构成，这里把卷积与pool都看作图中绿色的convolution，全连接为图中蓝色的fullyconnected。卷积主要是获取高维特征，pool使图片缩小一半，全连接与传统神经网络相似作为权值训练，最后通过softmax输出概率最高的类别。上图中n...

----------------------------------------------------------------------------------------------------------------------------------------------------------------...

 文章采用了多实例学习（MIL）机制构建图像标签同像素语义的关联。该方法的训练样本包含了70万张来自ImageNet的图片，但其语义分割的性能很大程度上依赖于复杂的后处理过程，主要包括图像级语义的预测信息、超像素平滑策略、物体候选框平滑策略和MCG分割区域平滑策略。下图是论文所用方法的一般性说明：（1）使用来...

发表于2015年这篇《FullyConvolutionalNetworksforSemanticSegmentation》在图像语义分割领域举足轻重。通常CNN网络在卷积层之后会接上若干个全连接层,将卷积层产生的特征图(featuremap)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像...

论文题目是STC，即SimpletoComplex的一个框架，使用弱标签（imagelabel）来解决密集估计（语义分割）问题。2014年末以来，半监督的语义分割层出不穷，究其原因还是因为pixel级别的GroundTruth太难标注，因此弱监督成了人们研究的一个热门方向。作者的核心思想是提出了层层递进的三个DCNN。...