Multi-Miner：面向弱监督语义分割的目标自适应区域挖掘
计算机视觉与模式识别
2020-06-16 v1
摘要
目标区域挖掘是弱监督语义分割的关键步骤。大多数现有方法通过扩展类别激活图定位的种子区域来挖掘目标区域。它们通常不考虑目标的尺寸，并对所有目标区域采用单一的挖掘过程。因此，对于大目标，其挖掘区域在数量和尺度上往往不足；而对于小目标，则容易被周围背景污染。本文提出一种新颖的多挖掘器框架，执行能够适应不同目标尺寸的区域挖掘过程，从而能够挖掘出更完整、更精细的目标区域。具体而言，我们的多挖掘器利用一个并行调制器检查每个单独目标是否仍有剩余目标区域，并引导一个类别感知生成器独立挖掘每个目标的区域。通过这种方式，多挖掘器对大目标自适应地采取更多步骤，对小目标采取更少步骤。实验结果表明，与最先进的弱监督语义分割方法相比，多挖掘器提供了更好的区域挖掘结果，并有助于实现更好的分割性能。
引用
@article{arxiv.2006.07834,
title = {Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation},
author = {Kuangqi Zhou and Qibin Hou and Zun Li and Jiashi Feng},
journal= {arXiv preprint arXiv:2006.07834},
year = {2020}
}