Puzzle-CAM:通过匹配局部与全局特征改进定位
计算机视觉与模式识别
2021-09-24 v4 人工智能
摘要
弱监督语义分割(WSSS)旨在缩小像素级监督与图像级监督在语义分割性能上的差距。多数先进方法基于类激活图(CAM)生成伪标签以训练分割网络。WSSS的主要局限在于:由CAM从图像分类器生成伪标签的过程主要聚焦于物体最具判别性的部分。为解决此问题,我们提出Puzzle-CAM,一种最小化分离图像块与整图特征间差异的流程。我们的方法由一个拼图模块与两项正则化项组成,以发现物体内最完整的区域。Puzzle-CAM可在仅使用图像级监督且不增加额外参数的情况下激活物体的整体区域。在实验中,Puzzle-CAM在PASCAL VOC 2012数据集上以相同监督标签超越了以往最优方法。我们的实验代码见 https://github.com/OFRIN/PuzzleCAM。
引用
@article{arxiv.2101.11253,
title = {Puzzle-CAM: Improved localization via matching partial and full features},
author = {Sanghyun Jo and In-Jae Yu},
journal= {arXiv preprint arXiv:2101.11253},
year = {2021}
}
备注
Accepted to ICIP 2021