盒子掩码与掩码盒子：多任务部分监督学习的弱损失
计算机视觉与模式识别
2024-11-27 v1
摘要
目标检测和语义分割都是场景理解任务，但它们在数据结构和信息层级上存在差异。目标检测需要目标实例的框坐标，而语义分割需要像素级的类别标签。利用一种任务的信息来训练另一种任务对于多任务部分监督学习具有积极作用——每条训练示例仅针对单个任务进行注释，潜在上可以借助不同任务的数据集扩展训练集。本文研究了针对部分标注数据的各种弱损失与现有监督损失的组合方式。我们提出了 Box-for-Mask 和 Mask-for-Box 策略，以及它们的组合 BoMBo，用于从一种任务的注释中蒸馏必要信息来训练另一种任务。消融实验和在 VOC 和 COCO 数据集上的实验结果表明，所提方法表现良好。源码和数据划分可在 https://github.com/lhoangan/multas 查找。
引用
@article{arxiv.2411.17536,
title = {Box for Mask and Mask for Box: weak losses for multi-task partially supervised learning},
author = {Hoàng-Ân Lê and Paul Berg and Minh-Tan Pham},
journal= {arXiv preprint arXiv:2411.17536},
year = {2024}
}
备注
Accepted for publishing in BMVC 2024