search

speedinghzl / DSRG

Weakly-Supervised Semantic Segmentation Network with Deep Seeded Region Growing (CVPR 2018).
MIT License
250 stars 36 forks source link

About Seed with person #11

Open jsdd25 opened 5 years ago

jsdd25 commented 5 years ago

@speedinghzl ，你好，你的工作真的是太棒了。但是我有一个问题，我只想分割出人类和背景，并不想分割出分割出其他物体，那么能否使用CAM或者DRFI的方法，只定位人的种子，将人定为前景，其他所有的都定位为背景？

speedinghzl commented 5 years ago

谢谢你的关注。可以通过CAM得到person的seed，可能loss需要换成sigmoid+cross entropy loss。

jsdd25 commented 5 years ago

@speedinghzl 你好，请问训练生成种子的程序是这个吗？https://github.com/ascust/SEC-MXNet 我现在想在自己的数据集上做训练生成只有人的种子，但是我只有少量的图片，大概只有1000多张，这样的话，训练生成的种子会不会不准确？

speedinghzl commented 5 years ago

1000+图训练分类器是可以的（只有最后一层参数是随机初始化的）。 另外1000+图片都是有人的吗？如果是可能数据集并不适合训练CAM来定位人的位置。

jsdd25 commented 5 years ago

@speedinghzl 你好，我现在有大概1000张不到的在同一场景连续拍摄的有人的图片，然后我用了一些方法把这1000张图片里的人给去掉了，并利用背景修复技术，把人身后的背景又复原到图片上，请问我用这大概2000张的图片来训练CAM，能得到定位人的位置的种子吗？

speedinghzl commented 5 years ago

如果可以把人去掉，意味着可以生成pixel-level label，就没必要使用弱监督分割了。直接使用pixel-level label训练一个人的segmentation network会比弱监督分割的结果要好。

jsdd25 commented 5 years ago

@speedinghzl 你好，我是想用已有的语义分割模型，但是这些语义分割模型并没有在我的数据集场景下做过训练，因此并不能很完美的分割出人的部分，也就是说属于人的pixel-level label并不是足够准确的。而且，我的数据集都是含有人的，所以我想把这些图片上的人利用现有的语义分割模型分割出来，然后为了训练CAM，利用背景修复技术，把人身后的背景又复原到图片上，生成种子，最后将原始的语义分割模型作为预训练模型，并使用您的DSRG方法来再次训练，请问使用这样的方法训练出来的模型在我的数据集上的分割效果能比原始模型好吗？谢谢！