用于弱监督语义分割与物体定位的抗对抗操纵归因图
计算机视觉与模式识别
2022-04-12 v1 机器学习
摘要
从类标签获得准确的像素级定位是弱监督语义分割与物体定位中的关键过程。训练后分类器的归因图被广泛用于提供像素级定位，但其关注往往局限于目标物体的一小块判别性区域。AdvCAM是经操纵以提升分类器在最终softmax或sigmoid层之前所产生分类分数的图像归因图。该操纵以抗对抗方式实现，从而沿像素梯度在与对抗攻击所用方向相反的方向上扰动原始图像。此过程增强了先前归因图中贡献不足的非判别性但类相关特征，使得所得AdvCAM识别出目标物体的更多区域。此外，我们引入一种新的正则化过程，抑制对目标物体无关区域的不正确归因以及归因在目标物体小块区域上的过度集中。我们的方法在PASCAL VOC 2012与MS COCO 2014数据集上取得了弱监督与半监督语义分割的新SOTA性能。在弱监督物体定位中，它在CUB-200-2011与ImageNet-1K数据集上取得了新SOTA性能。
引用
@article{arxiv.2204.04890,
title = {Anti-Adversarially Manipulated Attributions for Weakly Supervised Semantic Segmentation and Object Localization},
author = {Jungbeom Lee and Eunji Kim and Jisoo Mok and Sungroh Yoon},
journal= {arXiv preprint arXiv:2204.04890},
year = {2022}
}
备注
IEEE TPAMI, 2022