Semi-supervised semantic matching

Zakaria Laskar*, Juho Kannala

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

Abstrakti

Convolutional neural networks (CNNs) have been successfully applied to solve the problem of correspondence estimation between semantically related images. Due to non-availability of large training datasets, existing methods resort to self-supervised or unsupervised training paradigm. In this paper we propose a semi-supervised learning framework that imposes cyclic consistency constraint on unlabeled image pairs. Together with the supervised loss the proposed model achieves state-of-the-art on a benchmark semantic matching dataset.

AlkuperäiskieliEnglanti
OtsikkoComputer Vision – ECCV 2018 Workshops, Proceedings
ToimittajatLaura Leal-Taixé, Stefan Roth
KustantajaSpringer
Sivut444-455
Sivumäärä12
ISBN (painettu)9783030110147
DOI - pysyväislinkit
TilaJulkaistu - 1 tammik. 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaEUROPEAN CONFERENCE ON COMPUTER VISION - Munich, Saksa
Kesto: 8 syysk. 201814 syysk. 2018
Konferenssinumero: 15

Julkaisusarja

NimiLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
Vuosikerta11131 LNCS
ISSN (painettu)0302-9743
ISSN (elektroninen)1611-3349

Conference

ConferenceEUROPEAN CONFERENCE ON COMPUTER VISION
LyhennettäECCV
Maa/AlueSaksa
KaupunkiMunich
Ajanjakso08/09/201814/09/2018

Sormenjälki

Sukella tutkimusaiheisiin 'Semi-supervised semantic matching'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä