Sparse Labeling Augmentation for Dense Models Training

Autores/as

  • 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

DOI:

https://doi.org/10.26754/jji-i3a.201802674

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.

   

Descargas

Los datos de descargas todavía no están disponibles.

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

 

   

Descargas

Publicado

2018-05-25

Cómo citar

Alonso, Íñigo, & Murillo Arnal, A. C. (2018). Sparse Labeling Augmentation for Dense Models Training. Jornada De Jóvenes Investigadores Del I3A, 6. https://doi.org/10.26754/jji-i3a.201802674

Número

Vol. 6: Actas de la VII Jornada de Jóvenes Investigadores del I3A - 8 de junio de 2018

Sección

Artículos (Tecnologías de la Información y las Comunicaciones)