无监督语义分割：通过对比对象蒙版提案进行无监督语义分割

【文件属性】：
文件名称：无监督语义分割：通过对比对象蒙版提案进行无监督语义分割
文件大小：610KB
文件格式：ZIP
更新时间：2021-03-04 10:52:18
clustering representation-learning unsupervised-learning semantic-segmentation pascal-voc 对比对象蒙版提案的无监督语义分割 此回购包含我们论文的Pytorch实现： ， ， 和 。 :trophy: SOTA用于无监督的语义分割。 有关更多信息，请查看基准的网站。 内容 介绍 在没有监督的情况下，能够学习图像的密集语义表示是计算机视觉中的重要问题。 然而，尽管它具有重要意义，但这个问题仍未得到很好的探索，只有少数例外考虑了在具有狭窄视觉域的小规模数据集上的无监督语义分割。 我们首次尝试解决传统上用于监督案例的数据集（例如PASCAL VOC）上的问题。 为了实现这一点，我们引入了一种新颖的两步框架，该框架在对比优化目标中采用预定的先验知识来学习像素嵌入。 此外，我们讨论了具有包含有关对象或其部分信息的先验的重要性，并讨论了以无监督方式获得此类先验的几种可能性。 特别是，我们在将像素组合在一起之前采用中级视觉效果，并对比所获得的对象蒙版Kong眼。 因此，我们将方法命名为MaskCon

【文件预览】：
Unsupervised-Semantic-Segmentation-main
----images()
--------teaser.png(311KB)
--------examples.jpg(233KB)
----requirements.txt(5KB)
----segmentation()
--------linear_finetune.py(6KB)
--------data()
--------eval.py(2KB)
--------models()
--------utils()
--------kmeans.py(3KB)
--------configs()
----pretrain()
--------data()
--------utils()
--------configs()
--------main.py(7KB)
--------modules()
----LICENSE(19KB)
----README.md(10KB)