BoxSup：利用边界框监督卷积网络进行语义分割
计算机视觉与模式识别
2015-05-19 v2
摘要
近期领先的语义分割方法依赖于使用人工标注的像素级分割掩码训练的深层卷积网络。这种像素级精度的监督需要昂贵的标注工作，并限制了通常受益于更多训练数据的深层网络的性能。在本文中，我们提出了一种仅需易于获取的边界框标注即可实现竞争性精度的方法。其基本思想是在自动生成区域提议与训练卷积网络之间进行迭代。这两个步骤逐渐恢复分割掩码以改进网络，反之亦然。我们的方法称为 BoxSup，在仅由边界框监督的情况下产生了具有竞争力的结果，与在相同设置下由掩码完全监督的强基线方法相当。通过利用大量边界框，BoxSup 进一步释放了深层卷积网络的潜力，并在 PASCAL VOC 2012 和 PASCAL-CONTEXT 数据集上取得了最先进（state-of-the-art）的结果。
引用
@article{arxiv.1503.01640,
title = {BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation},
author = {Jifeng Dai and Kaiming He and Jian Sun},
journal= {arXiv preprint arXiv:1503.01640},
year = {2015}
}