顶刊TPAMI 2024！无需全标注，仅用少量涂鸦标注即可获得确定和一致的语义分割预测结果

文章预览

本文介绍了山东大学，北京大学和纽约州立大学石溪分校合作开展的一项工作。该工作面向 图像涂鸦弱标注语义分割任务 ，重点关注采用涂鸦弱标注时语义分割网络的不确定性和不一致性问题。 作者提出最小化熵损失函数和网络嵌入的随机游走过程来分别改善分割网络特征嵌入的不确定性和不均匀性。作者还引入本征空间上的自监督学习对图像的显著区域施加一致性损失，用于缓解不同场景下同一类别的特征不一致问题。最后，作者提出伪标注重训练策略，并在颜色空间流形上构造损失函数以缓解伪标注中噪声的影响。 这一研究已被计算机视觉领域顶级期刊 IEEE TPAMI 接收，影响因子 20.8。 论文标题： CC4S: Encouraging Certainty and Consistency in Scribble-Supervised Semantic Segmentation 论文作者： 潘志一，孙浩辰，蒋鹏（通讯作者），李革，屠长河，凌海滨 论文 ………………………………