国际计算机视觉杂志IJCV(International Journal of Computer Vision)详细介绍了这个迅速发展的领域的科学和工程技术。常规文章介绍了广泛关注的重大技术进步。调查文章提供了对最新技术水平的评论和/或相关主题的教程演示。主题范围包括:计算机视觉的数学,物理和计算方面:图像形成,处理,分析和解释;机器学习技术;统计方法;传感器。应用程序:基于图像的渲染,计算机图形学,机器人技术,照片解释,图像检索,视频分析和注释,多媒体等。与人类感知的联系:人类视觉的计算和架构方面。该期刊还包括书评,立场文件,顶尖科学人物的社论以及其他在线资料,例如静止图像,视频序列,数据集和软件。 官网地址:http://dblp.uni-trier.de/db/journals/ijcv/

VIP内容

弱监督语义分割是一项具有挑战性的任务,因为没有提供像素级的标签信息供训练使用。最近的方法利用分类网络,通过选择具有强响应的区域来定位目标。然而,虽然这种响应映射提供了稀疏信息,但在自然图像中像素之间存在很强的两两关系,可以利用这种两两关系将稀疏映射传播到更密集的区域。本文提出了一种迭代算法来学习这种两两关系,它由两个分支组成,一个是学习每个像素的标签概率的一元分割网络,另一个是学习亲和矩阵并细化由一元网络生成的概率图的两两亲和网络。将两两网络的细化结果作为监督,对一元网络进行训练,通过迭代的方法逐步获得较好的分割效果。为了在不需要精确标注的情况下获得可靠的像素亲和力,我们还提出了可信区域的挖掘方法。我们证明了迭代训练这个框架等价于优化一个收敛到局部最小值的能量函数。在PASCAL VOC 2012和COCO数据集上的实验结果表明,所提出的算法在性能上优于目前最先进的方法。

成为VIP会员查看完整内容
0
35
参考链接
Top