ISLE：一种图像级语义分割集成框架
计算机视觉与模式识别
2023-09-21 v5
摘要
在现实世界中部署最先进语义分割网络的一个关键瓶颈是训练标签的可用性。常规语义分割网络需要海量像素级标注才能达到最优预测质量。因此，若干工作聚焦于仅用图像级标注训练的语义分割网络。然而，更细致地审视最先进方法的结果时，我们注意到它们在平均预测质量上彼此极为接近，不同方法在不同类别上表现更优，却在其它类别上质量低下。为解决该问题，我们提出一种新颖框架 ISLE，其在类别层级上集成一组不同语义分割技术的“伪标签”。伪标签是用于训练最终分割模型的图像级语义分割框架的像素级预测。我们的伪标签无缝结合多种分割技术方法的优势，从而达到更优预测质量。相较 ISLE 的各独立组件，我们取得了最高 2.4% 的提升。我们进行了详尽分析以证明 ISLE 优于最先进的图像级语义分割框架。
引用
@article{arxiv.2303.07898,
title = {ISLE: A Framework for Image Level Semantic Segmentation Ensemble},
author = {Erik Ostrowski and Muhammad Shafique},
journal= {arXiv preprint arXiv:2303.07898},
year = {2023}
}
备注
Accepted for Publication at the International Symposium on Visual Computing (ISVC), October 2023, Lake Tahoe, NV, USA