机构名称：
¥ 1.0
镜像检测对于避免在计算机视觉任务中对反射对象的虚假识别具有重要意义。iSting镜像检测框架通常遵循超级视为的设置，这在很大程度上取决于高质量的标签，并且概括不良。为了解决这个问题，我们改为提出了第一个弱监督的镜像检测框架 - 还提供了第一个基于涂鸦的镜像数据集。具体来说，我们重新标记10,158张图像，其中大多数标记的像素比小于0.01，仅需大约8秒即可标记。考虑到镜像区域通常显示出很大的尺度变化，并且也不规则且被阻塞，从而导致不完整或过度检测的问题，因此我们提供了局部全球特征增强（LGFE）模块，以充分捕获上下文和细节。此外，很难使用涂鸦注释获得基本的镜像结构，并且未强调前景（镜像）和背景（镜子）和背景（非摩尔）特征之间的区别。因此，我们提出了一个前景感知的面具（FAMA），将镜面边缘和语义效果整合起来，以完成镜像区域并抑制背景的影响。最后，为了提高网络的鲁棒性，我们提出了原型对比度损失（PCL），以学习跨图像的更通用的前景特征。实验实验表明，我们的网络表现优于相关的最新监督方法，甚至超过一些完全监督的方法。数据集和代码可在https://github.com/winter-flow/wsmd上找到。
通过涂鸦注释
主要关键词
相关文件推荐
