利用图像级类别标签学习检测语义边界
计算机视觉与模式识别
2022-12-16 v1 人工智能
摘要
本文首次尝试利用图像级类别标签作为监督来学习语义边界检测。我们的方法首先通过图像分类网络所绘制的注意力来估计物体类别的粗略区域。由于边界将位于不同类别的此类区域之间的某处，我们的任务被表述为一个多示例学习（MIL）问题，其中连接两个不同类别区域的线段上的像素被视为边界候选的包。此外，我们设计了一种新的神经网络架构，即使面对 MIL 策略给出的不确定监督，也能可靠地学习估计语义边界。我们的网络用于生成训练图像的伪语义边界标签，这些标签转而用于训练全监督模型。使用我们的伪标签训练的最终模型在 SBD 数据集上取得了出色性能，其与一些使用更强监督的已有方法相当。
引用
@article{arxiv.2212.07579,
title = {Learning to Detect Semantic Boundaries with Image-level Class Labels},
author = {Namyup Kim and Sehyun Hwang and Suha Kwak},
journal= {arXiv preprint arXiv:2212.07579},
year = {2022}
}
备注
International Journal of Computer Vision (IJCV), 2022