Sparse Labeling Augmentation for Dense Models Training

  • Íñigo Alonso Robótica, Percepción y Tiempo Real (RoPERT), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza
  • Ana Cristina Murillo Arnal Robótica, Percepción y Tiempo Real (RoPERT), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

Resumen

This work proposes and validates a simple but effective approach to train dense semantic segmentation models from sparsely labeled data. Data and labeling collection is most costly task of semantic segmentation. Our approach needs only a few pixels per image reducing the human interaction required.

   

Biografía del autor/a

Ana Cristina Murillo Arnal, Robótica, Percepción y Tiempo Real (RoPERT), Instituto de Investigación en Ingeniería de Aragón (I3A), Universidad de Zaragoza

 

   
Publicado
2018-05-25
Sección
Artículos (Tecnologías de la Información y las Comunicaciones)