CVPR 2024 | 南开大学提出CorrMatch：动态阈值+相关性图，霸榜半监督语义分割 SO...

主要观点总结

这篇文章介绍了一种名为CorrMatch的半监督语义分割方法，该方法利用相关性图进行标签传播，通过像素传播和区域传播策略提高未标注数据的使用效率。文章还介绍了动态阈值更新策略和其他实验细节。本文为论文学习分享，最终内容以原论文为准。

关键观点总结

关键观点1: CorrMatch方法的目标

使用少量标注图像和大量未标注图像训练语义分割网络。

关键观点2: CorrMatch的主要创新点

利用相关性图进行像素传播和区域传播，提高未标注数据的使用效率；动态阈值更新策略。

关键观点3: 预备知识

CorrMatch基于一个简单的框架，带有弱到强一致性正则化。标准交叉熵损失应用于标注图像，未标注图像主要通过强制预测一致性来利用。

关键观点4: 像素传播策略

通过计算相关性图并将其传播到预测中，增强模型对像素对相似性的整体感知。

关键观点5: 区域传播策略

利用相关性图中的形状信息，通过增强伪标签来扩展高置信度区域。

关键观点6: 实验和细节

文章中介绍了实验细节，包括动态阈值更新策略和其他实验设置。最后强调了论文推广的重要性，并提供了投稿通道。