像素对比一致半监督语义分割
计算机视觉与模式识别
2021-08-23 v1
摘要
我们提出了一种新颖的半监督语义分割方法，其联合实现了分割模型正则性的两个期望特性：图像增强之间的标签空间一致性属性，以及不同像素之间的特征空间对比属性。我们分别利用像素级 L2 损失和像素对比损失来实现这两个目的。为解决像素对比损失所涉及的计算效率问题和假阴性噪声问题，我们进一步引入并研究了若干负采样技术。大量实验表明，在 VOC、Cityscapes 和 COCO 数据集衍生的若干具有挑战性的半监督设定下，我们的方法（PC2Seg）结合 DeepLab-v3+ 架构取得了最先进的性能。
引用
@article{arxiv.2108.09025,
title = {Pixel Contrastive-Consistent Semi-Supervised Semantic Segmentation},
author = {Yuanyi Zhong and Bodi Yuan and Hong Wu and Zhiqiang Yuan and Jian Peng and Yu-Xiong Wang},
journal= {arXiv preprint arXiv:2108.09025},
year = {2021}
}
备注
To appear in ICCV 2021