返回
Completely weakly supervised class-incremental learning for semantic segmentation
DOI:10.1016/j.patrec.2025.05.004.png)
摘要
En 中文
• 我们提出了第一种弱监督的类增量分割方法。
• 它仅使用图像级标签来训练用于基类和新类的网络。
• 我们使用定位器和基础模型生成伪标签。
• 我们提出了一种基于样本的数据增强方法。
期刊
IF:
3.3
论文数:
7.9K
被引数:
1.6W
机构
暂无机构信息
引用论文
Incrementer: Transformer for Class-Incremental Semantic Segmentation with Knowledge Distillation Focusing on Old Class累加器:一种用于聚焦旧类别知识蒸馏的增量式语义分割Transformer
Dynamic context-aware high-resolution network for semi-supervised semantic segmentation动态上下文感知高分辨率网络用于半监督语义分割
TRL: Transformer based refinement learning for hybrid-supervised semantic segmentationTRL: 基于Transformer的混合监督语义分割细化学习

