CDA 源码
弱监督语义分割的上下文解耦增强 的代码: 弱监督语义分割的上下文解耦增强,,,林国胜,吴庆耀( ) 数据扩充对于深度学习神经网络至关重要。 通过提供大量的训练样本,它有助于提高模型的泛化能力。 弱监督语义分割(WSSS)是一个具有挑战性的问题,近年来已得到深入研究,用于WSSS的常规数据增强方法通常采用几何变换,随机裁剪和颜色抖动。 但是,仅增加相同的上下文语义数据并不会给网络带来很大的收益来区分对象,例如,“飞机”的正确图像级别分类可能不仅是由于对象本身的识别,还在于其识别同时出现的上下文(例如“天空”),这将导致模型较少关注对象特征。 为此,我们提出了一种上下文解耦增强(CDA)方法,以更改对象在其中出现的固有上下文,从而驱动网络消除对象实例与上下文信息之间的依存关系。 为了验证所提出方法的有效性,在PASCAL VOC 2012数据集上使用多种替代网络体系结构进行的大量实验表明
用户评论