铁路不是火车：显著性作为弱监督语义分割的伪像素监督
计算机视觉与模式识别
2021-05-20 v1
摘要
现有利用图像级弱监督的弱监督语义分割（WSSS）研究存在若干局限：目标覆盖稀疏、目标边界不准确，以及来自非目标物体的共现像素。为克服这些挑战，我们提出一种新颖框架，即显式伪像素监督（EPS），它通过结合两种弱监督从像素级反馈中学习：图像级标签经由定位图提供目标身份，而现成显著性检测模型给出的显著性图提供丰富边界。我们设计了一种联合训练策略，以充分利用两者信息间的互补关系。我们的方法能获得准确的目标边界并丢弃共现像素，从而显著提升伪掩膜质量。实验结果表明，所提方法通过解决 WSSS 的关键挑战，显著优于现有方法，并在 PASCAL VOC 2012 和 MS COCO 2014 数据集上均达到新的最先进性能。
引用
@article{arxiv.2105.08965,
title = {Railroad is not a Train: Saliency as Pseudo-pixel Supervision for Weakly Supervised Semantic Segmentation},
author = {Seungho Lee and Minhyun Lee and Jongwuk Lee and Hyunjung Shim},
journal= {arXiv preprint arXiv:2105.08965},
year = {2021}
}
备注
CVPR 2021 accepted