RecurSeed 与 EdgePredictMix：面向单阶段与多阶段弱监督语义分割伪标签精炼学习
计算机视觉与模式识别
2023-12-19 v4 人工智能
摘要
尽管仅使用图像级标签的弱监督语义分割（WSSS-IL）具有潜在用途，但其低性能与实现复杂性仍限制其应用。主要成因是（a）未检测与（b）误检测现象：（a）现有 WSSS-IL 方法精炼出的类激活图仍仅代表大尺度对象的部分区域；（b）对于小尺度对象，过度激活致使其偏离物体边缘。我们提出 RecurSeed，通过递归迭代交替减少未检测与误检测，从而隐式找到使两类误差均最小的最优结合点。我们还提出一种称为 EdgePredictMix 的新颖数据增强（DA）方法，其利用相邻像素间的概率差异信息并结合分割结果进一步表达物体边缘，从而弥补现有 DA 方法应用于 WSSS 时的不足。我们在 PASCAL VOC 2012 与 MS COCO 2014 基准上均取得新的 SOTA 性能（VOC val: 74.4%，COCO val: 46.4%）。代码见 https://github.com/shjo-april/RecurSeed_and_EdgePredictMix。
引用
@article{arxiv.2204.06754,
title = {RecurSeed and EdgePredictMix: Pseudo-Label Refinement Learning for Weakly Supervised Semantic Segmentation across Single- and Multi-Stage Frameworks},
author = {Sanghyun Jo and In-Jae Yu and Kyungsu Kim},
journal= {arXiv preprint arXiv:2204.06754},
year = {2023}
}