【摘 要】
：
近些年来,带有高质量像素级分割标签的大规模训练数据极大地驱动了深度学习模型用于分割领域的性能。然而,用于分割任务训练集的注释是非常费力的,因为注释必须逐像素地完成。在这种耗时耗力的情况下,本文考虑到不同样本对分割模型的贡献可能相差很大,有些图像对模型的增益很大,但是也有些图像对模型的增益作用很小,也就是说,并非所有图像都需要注释。如何充分利用大规模未标记图像来增强分割模型的性能并用最少的人工成本对
论文部分内容阅读
近些年来,带有高质量像素级分割标签的大规模训练数据极大地驱动了深度学习模型用于分割领域的性能。然而,用于分割任务训练集的注释是非常费力的,因为注释必须逐像素地完成。在这种耗时耗力的情况下,本文考虑到不同样本对分割模型的贡献可能相差很大,有些图像对模型的增益很大,但是也有些图像对模型的增益作用很小,也就是说,并非所有图像都需要注释。如何充分利用大规模未标记图像来增强分割模型的性能并用最少的人工成本对图像进行注释成为一项很大的挑战。为此,本文提出了针对二分类的人机协同的分割框架,我们使用了几个常用的显著性检测的二分类数据集以证明我们的结论,所以此工作和显著性检测任务有着千丝万缕的联系。因此,本文考虑到在分割和显著性任务中往往存在着边缘分割不准确和样本不平衡的问题。如何同时考虑到边缘分割不准确和样本不均衡,本文提出了一种策略。本文的主要贡献如下:（1）本文将深度学习技术与主动学习以及渐进学习方法配合使用,形成了一套完整的分割数据集的标注及其训练模型的框架;主动学习策略用来判断样本的难度,以挖掘低置信度样本;渐进学习策略用来调整超参数以适应迭代中模型的变化。（2）本文针对样本不平衡和分割边缘准确性不足的问题,提出了一种多任务损失联合优化显著性检测的算法,通过联合BCE loss,Io U loss,SSIM loss和Fmeasure loss四个损失函数,提升显著性检测算法的精度。
其他文献
近年来,移动机器人在民用、军用、商用等各个领域已经有着越来越广泛的应用。其中,由于全方位移动机器人可以独立且同时进行平移和旋转运动,所以更适合于对机动性要求高的狭窄空间,如工厂、仓库和医院。因此,如何实现全方位移动机器人精确、可靠、稳定的轨迹追踪控制已经成为机器人领域研究的热点之一。本文以全方位移动机器人为研究对象,针对机器人建模和标定参数过程复杂耗时、机器人模型存在不确定性以及存在外部扰动的问题
轴系传动作为机械装置的主要动力输出形式之一,主要通过动力轴为机械装置提供扭矩,驱动设备正常工作。整个动力系统的状态和工作特性都可以通过扭矩来反映,同时可以对机械设备的整体性能做出评价,因此对于传动轴的扭矩传感就显得尤为重要。扭矩传感的常规方法包括电阻应变片法、钻孔法、压电式测量法、光纤光栅法、超声检测法和磁弹效应法等。本文对磁巴克豪森扭矩传感技术的原理进行了详尽的论述,然后提出了一种基于磁巴克豪森
脑-机接口（Brain-Computer Interface,BCI）是一种不依赖于外围神经和肌肉组织,通过采集和分析脑电波来实现人与外部环境直接交互的技术。BCI已在医学诊断、残疾辅助、智能家居和生活娱乐等多个领域中得到了广泛应用。近年来,采用柔和刺激范式来获取脑电信号（Electroencephalograph,EEG）的基于稳态运动视觉诱发电位（Steady State Motion Vis
在传统制造业向智能制造转变的大背景下,作为智能制造中重要载体的工业机器人对提高工业自动化程度、引领高新技术发展、加快生产变革将起到重要作用。作为机器人应用领域的一个分支,机器人喷涂已经得到了广泛应用,也大大提高了喷涂行业的生产效率与产品质量。对于大型复杂工件曲面的喷涂轨迹规划研究有较高的现实意义。本文结合歌博铸造（天津）风能发电机组铸件机器人自动喷漆项目,重点研究了复杂铸件曲面喷涂的轨迹规划方法。
随着制造行业的迅速发展,精密加工技术的与时俱进变得十分的重要,精密机床的高精度要求更是重要的一环。而机床结构热变形是影响精密机床精度的主要因素之一。目前,对于机床结构热变形主动控制方法的研究相对较少,因此,机床结构热变形的有效抑制或主动控制问题变得难以解决。本文综合考虑上述问题,基于多回路差异化主动温控系统,利用主动温控装置对机床结构热变形进行主动控制。并通过ANSYS热特性仿真分析以及与实验进行
在传统家具生产行业收入下滑的背景下,定制家具行业以超30%的增速飞快发展,生产企业超过上万家,其中90%均属于中小型企业,各工厂虽然引进了先进的生产设备,但在排产方面仍处于半自动状态,导致排产效率低、原材料浪费严重,并且还增加了人力成本,而原材料及人力成本是除生产机器成本外最重要的成本投入,所以排产排样算法的研究,对于降低成本以及提高排产效率具有重要意义。在排产方面,通过设计排产原则,并与数据库结
随着互联网技术与数字经济的发展,基于深度学习技术处理网络结构数据的网络表示学习方法吸引了学术界和工业界的共同关注,其旨在将网络中的节点表示为低维、稠密的实值向量,并有效地保留网络结构及其他有价值信息。现有的大多数网络表示学习方法在学习节点表示时很少考虑网络的属性信息,而网络属性信息往往蕴含着非常有价值的信息。知识图谱是基于图结构的数据模型,其能够自然刻画现实世界中实体之间广泛联系的网络结构数据,能
在自然界与现实生活中,纹理图像随处可见,研究人员对使用计算机合成纹理图像进行了深入研究,提出了很多纹理合成算法。在本文中,对于传统纹理合成算法以及基于卷积神经网络的纹理合成算法进行了研究与比较,发现了现有方法的不足之处:使用传统的纹理合成算法对于有的纹理种类不具有普适性,生成的纹理图像可能会模糊;使用现有的基于卷积神经网络的方法,由于现存方法的输入图像大小固定,网络结构固定,卷积之后需要将图像恢复
目前,网络已经成为复杂系统建模和分析的有效工具。现实世界中存在着各种网络,例如社交网络,技术网络和生物网络。目前研究者对网络分析进行了广泛的研究,以更加深入地了解网络本质。传统的网络表示方法不能很好地揭示网络的深层特征,因此网络表征学习研究成为了网络分析任务的研究热点。网络表征的学习目标是学习每个网络节点的低维高密度连续向量,该向量不仅可以度量网络中节点之间的空间关系,还可以揭示深层的网络节点之间
谈判是一种在日常生活中经常使用的一种沟通交流行为,通过人与人之间的信息交换以及方案的交换来解决一系列的在最终谈判问题上的分歧并达成双方满意的谈判结果。当前人们对自动谈判技术也有了浓厚的兴趣,越来越多的人开始进行自动谈判智能体的研究,人们对人机谈判智能体研究的目的是构造一个拥有人类谈判技巧且十分智能的智能体,并通过这样的研究最终为谈判交互或者训练人类的谈判技巧提供帮助传统的谈判中人们可能会受到多种因