显著性检测与弱监督语义分割的联合学习
计算机视觉与模式识别
2019-09-11 v1
摘要
现有的弱监督语义分割（WSSS）方法通常利用预训练显著性检测（SD）模型的结果，而未显式建模两个任务之间的联系，这并非最高效的配置。本文提出一个统一的多任务学习框架，使用单一网络联合求解WSSS和SD，即显著性与分割网络（SSNet）。SSNet由一个分割网络（SN）和一个显著性聚合模块（SAM）组成。对于输入图像，SN生成分割结果，SAM预测每一类的显著性并将所有类别的分割掩码聚合成一张显著性图。所提网络以图像级类别标签和类无关的像素级显著性标签进行端到端训练。在PASCAL VOC 2012分割数据集和四个显著性基准数据集上的实验表明，我们的方法性能优于当前最优的弱监督分割方法和全监督显著性检测方法。
关键词
引用
@article{arxiv.1909.04161,
title = {Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation},
author = {Yu Zeng and Yunzhi Zhuge and Huchuan Lu and Lihe Zhang},
journal= {arXiv preprint arXiv:1909.04161},
year = {2019}
}
备注
Accepted by ICCV19