Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision
https://arxiv.org/abs/2106.01226
Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision
In this paper, we study the semi-supervised semantic segmentation problem via exploring both labeled data and extra unlabeled data. We propose a novel consistency regularization approach, called cross pseudo supervision (CPS). Our approach imposes the cons
arxiv.org
semi- segmentation 논문.
서로 다른 가중치 초기화를 적용한 두 개의 모델에 동일한 이미지를 전달하여 얻은 prediction 값을 서로의 pseudo label로 사용한다.
그러면 궁금점
argmax에 전달하기 전 probability 값에 consistency를 적용한 방법과 뭐가 다를까?
모델에 가해지는 loss의 정도가 다를듯
self sup를 공부하다보면 이미지에 augmentation을 적용하여 두 개의 이미지를 만들 후 mean teacher에 전달해 출력값을 pseudo label로 적용하는 방법에 익숙하다. 반면에 image를 고정하고 서로 다른 모델의 출력값을 psuedo label로 준다는 생각을 했다는게 놀라웠음.
GitHub - Seonghoon-Yu/AI_Paper_Review: 논문을 읽고 블로그에 정리합니다. 정리한 내용을 공유합니다.
논문을 읽고 블로그에 정리합니다. 정리한 내용을 공유합니다. Contribute to Seonghoon-Yu/AI_Paper_Review development by creating an account on GitHub.
github.com