Semi-supervised semantic matching

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussavertaisarvioitu

Tutkijat

Organisaatiot

Kuvaus

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.

Yksityiskohdat

AlkuperäiskieliEnglanti
OtsikkoComputer Vision – ECCV 2018 Workshops, Proceedings
ToimittajatLaura Leal-Taixé, Stefan Roth
TilaJulkaistu - 1 tammikuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaEuropean Conference on Computer Vision - Munich, Saksa
Kesto: 8 syyskuuta 201814 syyskuuta 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
MaaSaksa
KaupunkiMunich
Ajanjakso08/09/201814/09/2018

ID: 38782487