基于多尺度注意力融合的自训练弱监督语义分割框架
计算机视觉与模式识别
2023-05-11 v1
摘要
基于图像级标签的弱监督语义分割（WSSS）具有挑战性，因为难以获取完整的语义区域。为解决该问题，我们提出一种利用融合多尺度类感知注意力图的自训练方法。我们的观察是，不同尺度的注意力图包含丰富的互补信息，尤其对于大物体与小物体。因此，我们从不同尺度的注意力图中收集信息并得到多尺度注意力图。随后我们应用去噪与重激活策略以增强潜在区域并减少噪声区域。最后，我们使用精炼后的注意力图重新训练网络。实验表明，我们的方法使模型能从多尺度图像中提取丰富语义信息，并在 PASCAL VOC 2012 验证集与测试集上均取得 72.4% mIoU 分数。代码见 https://bupt-ai-cz.github.io/SMAF。
引用
@article{arxiv.2305.05841,
title = {A Self-Training Framework Based on Multi-Scale Attention Fusion for Weakly Supervised Semantic Segmentation},
author = {Guoqing Yang and Chuang Zhu and Yu Zhang},
journal= {arXiv preprint arXiv:2305.05841},
year = {2023}
}