
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Ostbayerische Technische Hochschule Regensburg | - |
| Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Mendel, Robert | - |
| Autor(es): dc.creator | de Souza, Luis Antonio | - |
| Autor(es): dc.creator | Rauber, David | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Autor(es): dc.creator | Palm, Christoph | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:04:53Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:04:53Z | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2019-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-030-58526-6_9 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/233045 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/233045 | - |
| Descrição: dc.description | Pixel-level classification is an essential part of computer vision. For learning from labeled data, many powerful deep learning models have been developed recently. In this work, we augment such supervised segmentation models by allowing them to learn from unlabeled data. Our semi-supervised approach, termed Error-Correcting Supervision, leverages a collaborative strategy. Apart from the supervised training on the labeled data, the segmentation network is judged by an additional network. The secondary correction network learns on the labeled data to optimally spot correct predictions, as well as to amend incorrect ones. As auxiliary regularization term, the corrector directly influences the supervised training of the segmentation network. On unlabeled data, the output of the correction network is essential to create a proxy for the unknown truth. The corrector’s output is combined with the segmentation network’s prediction to form the new target. We propose a loss function that incorporates both the pseudo-labels as well as the predictive certainty of the correction network. Our approach can easily be added to supervised segmentation models. We show consistent improvements over a supervised baseline on experiments on both the Pascal VOC 2012 and the Cityscapes datasets with varying amounts of labeled data. | - |
| Descrição: dc.description | Ostbayerische Technische Hochschule Regensburg | - |
| Descrição: dc.description | Federal University of São Carlos | - |
| Descrição: dc.description | São Paulo State University | - |
| Descrição: dc.description | São Paulo State University | - |
| Formato: dc.format | 141-157 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
| ???dc.source???: dc.source | Scopus | - |
| Título: dc.title | Semi-supervised Segmentation Based on Error-Correcting Supervision | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: