استغلال البارزة لفصل الأشياء من علامات مستوى الصورة

في السنوات الأخيرة، شهدت مهمة التسمية الدلالية تحسينات ملحوظة. ومع ذلك، تعتمد الطرق الرائدة على شروحات بكثافة بيكسل عالية. تدرس هذه الورقة مشكلة تدريب شبكة تصنيف دلالي بكسل من شروحات صورة المستوى للصفوف الكائنات الحالية. أظهرت الأبحاث الحديثة أن يمكن الحصول على بذور ذات جودة عالية تشير إلى المناطق المميزة للكائنات من علامات مستوى الصورة. بدون معلومات إضافية، فإن الحصول على مدى كامل للكائن هو مشكلة غير محددة بشكل جيد بسبب التزامن. نقترح استخدام نموذج بارز (saliency model) كمعلومات إضافية واستغلال المعرفة السابقة حول مدى الكائن وإحصائيات الصورة. نوضح كيفية دمج مصدرَي المعلومات هذين من أجل استعادة 80% من أداء الإشراف الكامل - وهو ما يمثل الحالة الجديدة للريادة في التدريب الخفيف الإشراف لتصنيف دلالي بكسل. الشفرة متاحة على الرابط: https://goo.gl/KygSeb.