超越像素：基于多尺度分块多标签分类的半监督语义分割
计算机视觉与模式识别
2024-07-17 v2
摘要
像素上下文信息对实现准确分割至关重要。本文表明，通过基于分块的分类器来Incorporate上下文信息是一种有效的方法。该分块分类器被训练用于识别图像区域内存在的类别，从而有助于消除干扰项并增强小目标片段的分类。具体而言，我们引入了多尺度分块多标签分类器（MPMC），这是一个为现有半监督分割（SSS）框架设计的新型插件模块。MPMC 提供分块级别的监督，使能够在分块内区分不同类别的像素区域。此外，MPMC 学习自适应伪标签权重，利用分块级别的分类来缓解教师模型噪声伪标签监督对学生模型的影响。这个轻量级模块可以集成到任何 SSS 框架中，显著提升其性能。我们通过将其集成到四种 SSS 方法中，并在两个自然图像和一个医学分割数据集上进行测试，证明了我们所提出 MPMC 的有效性，显著改善了基线方法在所有三个数据集上的分割结果。
引用
@article{arxiv.2407.04036,
title = {Beyond Pixels: Semi-Supervised Semantic Segmentation with a Multi-scale Patch-based Multi-Label Classifier},
author = {Prantik Howlader and Srijan Das and Hieu Le and Dimitris Samaras},
journal= {arXiv preprint arXiv:2407.04036},
year = {2024}
}
备注
to be published in ECCV24