论文部分内容阅读
为提高弱监督语义分割算法精度,提出一种融合多尺度特征的分割及优化算法。首先,基于迁移学习算法构建多尺度特征模型,类别预测时引入新分类器,减少因预测目标类信息错误导致分割失败的情况;其次,将多尺度模型与原迁移学习模型进行加权集成,增强模型泛化性能;最后,结合预测类可信度调整分割图中相应类像素的可信度,规避假正例分割区域。在VOC2012验证集上的平均交并比为58.8%,测试集上的平均交并比为57.5%,同比原迁移学习模型分别提升12.9%和12.3%,也优于其他以类标作为监督信息的语义分割算法。