基于对抗擦除的目标区域挖掘：一种从简单分类到语义分割的方法
计算机视觉与模式识别
2018-05-29 v3
摘要
我们研究了一种利用分类网络逐步挖掘判别性目标区域的原则性方法，以解决弱监督语义分割问题。分类网络仅对目标物体中稀疏且小块的判别性区域有响应，这与分割任务需要为像素级推理定位密集、内部且完整的区域这一要求存在偏差。为缩小这一差距，我们提出了一种新的对抗擦除方法，用于逐步定位和扩展目标区域。从单个小目标区域开始，我们提出的方法通过以对抗方式擦除当前已挖掘的区域，驱动分类网络顺序地发现新的互补目标区域。这些被定位的区域最终构成一个密集且完整的目标区域，用于学习语义分割。为进一步提升对抗擦除所发现区域的质量，我们开发了一种在线禁止性分割学习方法，通过提供由更可靠的分类分数调制的辅助分割监督，与对抗擦除协同工作。尽管方法看似简单，但它在PASCAL VOC 2012验证集和测试集上分别达到了55.0%和55.7%的平均交并比（mIoU）分数，成为新的最优技术。
引用
@article{arxiv.1703.08448,
title = {Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach},
author = {Yunchao Wei and Jiashi Feng and Xiaodan Liang and Ming-Ming Cheng and Yao Zhao and Shuicheng Yan},
journal= {arXiv preprint arXiv:1703.08448},
year = {2018}
}
备注
Accepted to appear in CVPR 2017 (oral)