可靠性至关重要：一种端到端弱监督语义分割方法
计算机视觉与模式识别
2019-11-20 v1
摘要
弱监督语义分割是一项具有挑战性的任务，因为它仅以图像级信息作为训练监督却产生像素级预测用于测试。为应对此类挑战性任务，多数近期最先进（SOTA）方法提出采用两步解决方案，即 1）学习生成伪像素级掩码，以及 2）使用伪掩码让 FCN 训练语义分割网络。然而，两步解决方案通常在生成高质量伪掩码时运用诸多繁琐技巧，使此类方法复杂且不优雅。本工作中，我们利用图像级标签产生可靠的像素级标注，并设计全端到端网络以学习预测分割图。具体而言，我们首先借助图像分类分支为标注类别生成类激活图，进而将其剪枝为置信且微小的对象/背景区域。此类可靠区域随后直接作为并行分割分支的真值标签，其中采用新设计的密集能量损失函数进行优化。尽管看似简单，我们的一步方案在 Pascal VOC 上取得了具竞争力的 mIoU 分数（val：62.6，test：62.9），优于那些两步 SOTA。通过将我们的一步方法扩展为两步，我们在 Pascal VOC 上获得了新的 SOTA 性能（val：66.3，test：66.5）。
关键词
引用
@article{arxiv.1911.08039,
title = {Reliability Does Matter: An End-to-End Weakly Supervised Semantic Segmentation Approach},
author = {Bingfeng Zhang and Jimin Xiao and Yunchao Wei and Mingjie Sun and Kaizhu Huang},
journal= {arXiv preprint arXiv:1911.08039},
year = {2019}
}
备注
AAAI 2020