声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
该杂志刊期列表
- 2026年
- 1期
国内刊号：11-2925/TP
国际刊号：1003-9775
发布日期:
作者：缪佩翰, 包翠竹, 高佳, 李玺
关键词：弱监督学习, 语义分割, 级联决策, 标注自提升
引入网络图像是提升弱监督语义分割性能的有效方法,为了鲁棒地利用外部数据实现知识迁移,提出双域协作自提升的鲁棒迁移学习方法.首先通过网络域和目标域双域级联决策实现网络域到目标域数据的知识迁移,提升弱监督语义分割决策的鲁棒性;然后利用双域协作学习减少噪声图像,改善标注质量,提升网络域知识的可靠性.在通用数据集PASCAL VOC 2012验证集和测试集上, mIoU分别达到65.4%和65.9%,性能优于当前大多数弱监督语义分割方法,证明了所提方法的有效性.
来源：2022年第4期
《计算机辅助设计与图形学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。