用于弱监督语义分割的超图卷积网络
计算机视觉与模式识别
2022-10-12 v1
摘要
语义分割是计算机视觉中的一个基础课题。已有几种深度学习方法被提出用于语义分割并取得了突出的结果。然而，这些模型需要大量密集标注的图像。为了解决这个问题，我们提出了一种新算法，该算法使用超图卷积网络进行弱监督语义分割（HyperGCN-WSS）。我们的算法从数据集中的图像构建空间图和 k 近邻（k-NN）图以生成超图。然后，我们使用一些弱信号训练专门的超图卷积网络（HyperGCN）架构。HyperGCN 的输出被称为伪标签，随后用于训练 DeepLab 模型进行语义分割。HyperGCN-WSS 在 PASCAL VOC 2012 数据集上进行了语义分割评估，使用涂鸦或点击作为弱信号。我们的算法与以前的方法相比表现出竞争性的性能。
引用
@article{arxiv.2210.05564,
title = {Hypergraph Convolutional Networks for Weakly-Supervised Semantic Segmentation},
author = {Jhony H. Giraldo and Vincenzo Scarrica and Antonino Staiano and Francesco Camastra and Thierry Bouwmans},
journal= {arXiv preprint arXiv:2210.05564},
year = {2022}
}
备注
Accepted in IEEE International Conference on Image Processing 2022