弱标注下语义分割精度提升
一种可插拔的训练策略，将不可靠伪标签转化为模糊正样本，在标注稀缺场景下显著提升分割精度。
Qiao, Pengchong · Wang, Yu · Liu, Chang · Lei, Shang · Sun, Baigui · 王振楠 · Zheng, Xiawu · 纪荣嵘 · 陈杰
International Journal of Computer Vision 2024
把模糊候选当作正样本学习，而不是只留高置信度样本，让低置信度区域也提供信息。
通过模糊正则化限制模糊正类预测高于负类，逐步抑制错误伪标签的负面影响。
在多种训练设定下实验均取得一致的性能提升。