用于弱监督语义分割的判别区域抑制
计算机视觉与模式识别
2021-04-06 v2
摘要
使用图像级标签的弱监督语义分割（WSSS）因降低标注成本近来备受关注。现有 WSSS 方法利用分类网络的定位图来生成伪分割标签。然而，由于从分类器获得的定位图仅关注稀疏的判别性目标区域，难以生成高质量的分割标签。为解决此问题，我们引入判别区域抑制（DRS）模块，这是一种简单而有效的方法，用于扩展目标激活区域。DRS 抑制对判别区域的注意力并将其扩散到相邻的非判别区域，从而生成稠密定位图。DRS 几乎不需要或不需要额外参数，并可插入任意网络。此外，我们引入一种额外的学习策略以对定位图进行自我增强，称为定位图精炼学习。得益于该精炼学习，定位图通过恢复某些缺失部分或去除噪声本身而得以精炼与增强。由于其简单有效，我们的方法在仅使用图像级标签的 PASCAL VOC 2012 分割基准上取得了 71.4% 的 mIoU。大量实验证明了我们方法的有效性。代码见 https://github.com/qjadud1994/DRS。
引用
@article{arxiv.2103.07246,
title = {Discriminative Region Suppression for Weakly-Supervised Semantic Segmentation},
author = {Beomyoung Kim and Sangeun Han and Junmo Kim},
journal= {arXiv preprint arXiv:2103.07246},
year = {2021}
}
备注
AAAI 2021, Accepted