面向弱监督语义分割的类条件响应图推断
计算机视觉与模式识别
2021-10-28 v1
摘要
图像级弱监督语义分割（WSSS）依赖类激活图（CAMs）生成伪标签。由于 CAMs 仅突出对象最具判别性的区域，生成的伪标签通常难以直接作为监督使用。为此，多数现有方法遵循多训练流程来精炼 CAMs 以获得更好的伪标签，包括：1）重新训练分类模型以生成 CAMs；2）后处理 CAMs 得到伪标签；3）用所得伪标签训练语义分割模型。然而，该多训练流程需要复杂的调参和额外时间。为此，我们提出类条件推断策略与激活感知掩码精炼损失函数，以在不重训分类器的情况下生成更好的伪标签。所提类条件推断时方法可分别且迭代地揭示分类网络隐藏的对象激活，从而生成更完整的响应图。此外，我们的激活感知掩码精炼损失函数引入了一种在分割训练期间利用显著性图、并在不抑制背景对象的前提下精炼前景对象掩码的新方式。我们的方法在不需重训分类器的情况下取得了优越的 WSSS 结果。
引用
@article{arxiv.2110.14309,
title = {Inferring the Class Conditional Response Map for Weakly Supervised Semantic Segmentation},
author = {Weixuan Sun and Jing Zhang and Nick Barnes},
journal= {arXiv preprint arXiv:2110.14309},
year = {2021}
}