用于弱监督语义分割的双重增强 Transformer 网络
计算机视觉与模式识别
2023-10-03 v1
摘要
弱监督语义分割（WSSS）是一项基础的计算机视觉任务，旨在仅利用类别级标签分割出目标物体。传统方法采用基于 CNN 的网络并利用类激活图（CAM）策略来发现目标区域。然而，此类方法仅关注物体最具判别性的区域，导致分割不完整。另一种方案是探索视觉 transformer（ViT）对图像进行编码以获取全局语义信息。但 ViT 的缺陷在于缺乏对物体的转导偏置。在本文中，我们探索了具有自正则化约束的双重增强 transformer 网络用于 WSSS。具体而言，我们提出了一种同时包含基于 CNN 与 transformer 网络的双重网络以进行互补互学习，两个网络均对最终输出进行增强。在具有挑战性的 PASCAL VOC 2012 基准上的大量系统性评估证明了我们方法的有效性，其优于先前最先进的方法。
引用
@article{arxiv.2310.00307,
title = {Dual-Augmented Transformer Network for Weakly Supervised Semantic Segmentation},
author = {Jingliang Deng and Zonghan Li},
journal= {arXiv preprint arXiv:2310.00307},
year = {2023}
}