用于弱监督语义分割的注意力图背景噪声降低
计算机视觉与模式识别
2024-04-10 v2
摘要
在仅使用图像级类别标签的弱监督语义分割（WSSS）中，基于 CNN 的类激活图（CAM）的一个问题是它们倾向于激活目标最具判别性的局部区域。另一方面，基于 Transformer 的方法学习全局特征，但存在背景噪声污染的问题。本文致力于解决现有基于 Conformer 的 WSSS 方法（称为 TransCAM）中注意力权重的背景噪声问题。所提方法成功降低了背景噪声，从而提高了伪标签的准确率。实验结果表明，我们的模型在 PASCAL VOC 2012 验证数据上实现了 70.5% 的分割性能，在测试数据上为 71.1%，在 MS COCO 2014 数据上为 45.9%，在分割性能上优于 TransCAM。
引用
@article{arxiv.2404.03394,
title = {Background Noise Reduction of Attention Map for Weakly Supervised Semantic Segmentation},
author = {Izumi Fujimori and Masaki Oono and Masami Shishibori},
journal= {arXiv preprint arXiv:2404.03394},
year = {2024}
}