TY -非盟的徐Xinying AU - Li Guiqing AU -谢,帮派AU - Ren,金昌盟——谢Xinlin PY - 2019 DA - 2019/03/14 TI -弱监督深层语义分割使用CNN和榆树语义候选区域SP - 9180391六世- 2019 AB -语义分割的任务是获取强进行像素级图像中每个像素的注释。全面监督语义分割的任务是通过细分模式训练使用进行像素级注释。然而,进行像素级注释非常昂贵和耗时的过程。降低成本,提出了一种语义候选区域训练极端学习机(ELM)方法与映像级别标签实现进行像素级标签映射。在这部作品中,论文将像素映射问题转化为一个候选区域的语义推理的问题。具体来说,superpixels细分每个图像为一组后,superpixels自动组合实现分割的候选地区根据映像级别标签的数量。候选区域的语义推理实现了基于粗糙集和邻居的关系与语义相关的标签。最后,本文列车榆树使用候选区域的推断标签分类测试候选区域。MSRC数据集上的实验验证和2012年帕斯卡VOC,普遍应用于语义分割。实验结果表明,该方法优于几个深层语义分割的最先进的方法。 SN - 1076-2787 UR - https://doi.org/10.1155/2019/9180391 DO - 10.1155/2019/9180391 JF - Complexity PB - Hindawi KW - ER -