CNN可用于弱监督学习下的图像分割应用

来源：知乎文章 https://zhuanlan.zhihu.com/p/23811946

最近的研究表明，在图像分割任务中使用深度学习方法时主要依赖于卷积神经网络CNN的训练。在这一过程中对所需数据的要求非常高具体来说就是对于每张待分割的图片都必须具备精确明确的分割结果

在图像分割任务中

该算法若能通过少量粗略标注的数据集进行学习，则可显著提升图像分割效果。这使得对训练数据进行标注的过程变得相对简单，并且能够节省大量时间用于标注训练数据。具体而言，在实际应用中可以通过以下三种方式进行初略标记：第一种方式是仅提供一张图像中包含的各种物体清单；第二种方式是明确标注物体的边界区域；第三种方法则是在图像上进行部分区域的细化标注（如涂鸦、线条等）。

Scribble-Supervised Networks: 被称为一种基于CVPR 2016发表的卷积神经网络技术用于语义分割

Di Lin开发出了基于Scribble标记的弱监督学习方案。 Scribble标记工具因其便捷性而得到了广泛应用。 通过图示可以看到，在标注一幅图像时只需绘制五条线条即可完成任务

Scribble