DiscoBox：基于框监督的弱监督实例分割与语义对应
计算机视觉与模式识别
2021-06-08 v2 机器学习
摘要
我们提出 DiscoBox，一种利用边界框监督联合学习实例分割与语义对应的新颖框架。具体而言，我们提出一种自集成框架，其中实例分割和语义对应除边界框监督外还由结构化教师联合引导。该教师是一个结构化能量模型，结合了成对势和跨图像势，以建模框内及框间像素的成对关系。最小化教师能量同时产生精炼的目标掩码和类内目标间的稠密对应，这些被用作伪标签来监督任务网络，并为稠密对比学习提供正/负对应对。我们展示了一种共生关系，即两个任务相互受益。我们的最佳模型在 COCO 实例分割上达到 37.9% AP，超越了先前的弱监督方法，并与监督方法具有竞争力。我们还在 PASCAL VOC12 和 PF-PASCAL 上以实时推理取得了最先进的弱监督结果。
引用
@article{arxiv.2105.06464,
title = {DiscoBox: Weakly Supervised Instance Segmentation and Semantic Correspondence from Box Supervision},
author = {Shiyi Lan and Zhiding Yu and Christopher Choy and Subhashree Radhakrishnan and Guilin Liu and Yuke Zhu and Larry S. Davis and Anima Anandkumar},
journal= {arXiv preprint arXiv:2105.06464},
year = {2021}
}
备注
Tech Report