用于弱监督语义分割的超出候选类别校正
计算机视觉与模式识别
2023-03-15 v3
摘要
弱监督语义分割通常受类激活图启发，类激活图作为伪掩码并高亮类判别区域。尽管已作出巨大努力来召回每个类别的精确且完整的位置，现有方法仍普遍遭受不请自来的超出候选（OC）错误预测之苦，这些预测不属于标签候选类别，而由于与图像级类标签的矛盾易于检测，该错误本可避免。本文中，我们以即插即用的方式开发了基于组排序的超出候选校正（OCR）机制。首先，我们根据先验标注相关性与后验预测相关性，将每个OC像素的语义类别自适应地划分为候选内（IC）与OC组。然后，我们导出可微分的校正损失以迫使OC像素转移到IC组。将我们的OCR与典型基线（如AffinityNet、SEAM、MCTformer）结合，我们能在Pascal VOC（+3.2%、+3.3%、+0.8% mIoU）与MS COCO（+1.0%、+1.3%、+0.5% mIoU）数据集上以可忽略的额外训练开销取得显著性能提升，这证明了我们OCR的有效性与通用性。
引用
@article{arxiv.2211.12268,
title = {Out-of-Candidate Rectification for Weakly Supervised Semantic Segmentation},
author = {Zesen Cheng and Pengchong Qiao and Kehan Li and Siheng Li and Pengxu Wei and Xiangyang Ji and Li Yuan and Chang Liu and Jie Chen},
journal= {arXiv preprint arXiv:2211.12268},
year = {2023}
}
备注
Accepted to CVPR2023