近似尺寸目标足以实现精确的语义分割
计算机视觉与模式识别
2025-03-11 v1
摘要
本文展示了使用图像级目标进行分割的一个令人惊讶的结果：将二分类标签扩展为近似的相对物体尺寸分布，使得现成的架构能够解决分割问题。一种用于平均预测的简单避免零值的 KL 散度损失，产生了与使用完整真实掩码的标准像素级精确监督相当的分割精度。相比之下，当前基于类别标签的结果通常需要复杂的、不可复现的架构修改和专门的多阶段训练过程。我们的想法在 PASCAL VOC 上使用我们新的人工标注的近似物体尺寸进行了验证。我们还在 COCO 和医学数据上展示了使用合成损坏的尺寸目标的结果。所有标准网络都表现出对尺寸目标误差的鲁棒性。对于某些类别，验证精度显著优于像素级监督；后者对掩码中的误差并不鲁棒。我们的工作为分割中的图像级监督提供了新的想法和见解，并可能启发解决该问题的其他简单通用方案。
引用
@article{arxiv.2503.06954,
title = {Approximate Size Targets Are Sufficient for Accurate Semantic Segmentation},
author = {Xingye Fan and Zhongwen and Zhang and Yuri Boykov},
journal= {arXiv preprint arXiv:2503.06954},
year = {2025}
}