重新审视用于半监督语义分割的图像重建
计算机视觉与模式识别
2023-03-20 v1
摘要
自编码旨在通过瓶颈潜在表示重建输入图像，是经典的特征表示学习策略之一。它作为半监督学习的辅助任务已被证明有效，但随着近年来更复杂方法的提出已变得不那么流行。在本文中，我们重新审视将图像重建用作辅助任务的思路，并将其与现代半监督语义分割框架相结合。令人惊讶的是，我们发现半监督学习中这一旧思路能产生与最优语义分割算法相竞争的结果。通过可视化图像重建模块的中间层激活，我们表明特征图通道能与语义概念良好关联，这解释了为何联合训练重建任务有助于分割任务。受我们观察启发，我们进一步对图像重建任务提出改进，旨在进一步将对象线索与背景模式解耦。通过在多个数据集上的实验评估，我们表明使用重建作为辅助损失能在各种数据集和方法中带来一致提升。所提方法可进一步在以对象为中心的分割任务中带来显著改进。
引用
@article{arxiv.2303.09794,
title = {Revisiting Image Reconstruction for Semi-supervised Semantic Segmentation},
author = {Yuhao Lin and Haiming Xu and Lingqiao Liu and Jinan Zou and Javen Qinfeng Shi},
journal= {arXiv preprint arXiv:2303.09794},
year = {2023}
}