面向弱监督与半监督语义分割的显著性引导自注意力网络
计算机视觉与模式识别
2020-01-14 v2
摘要
仅使用图像级标签的弱监督语义分割（WSSS）可大幅降低标注成本，因此引起了相当多的研究兴趣。然而，其性能仍不及全监督方法。为缩小性能差距，我们提出一种显著性引导自注意力网络（SGAN）来解决 WSSS 问题。所引入的自注意力机制能够捕获丰富而广泛的上下文信息，但可能将注意力错误扩散至非预期区域。为使该机制在弱监督下有效工作，我们将类无关的显著性先验整合进自注意力机制，并利用类特定的注意力线索作为 SGAN 的额外监督。我们的 SGAN 能够生成密集且准确的定位线索，从而提升分割性能。此外，通过简单地用部分标注的真实标签替换额外监督，SGAN 也能有效用于半监督语义分割。在 PASCAL VOC 2012 和 COCO 数据集上的实验表明，我们的方法在弱监督和半监督设定下均优于所有其他最先进的方法。
引用
@article{arxiv.1910.05475,
title = {Saliency Guided Self-attention Network for Weakly and Semi-supervised Semantic Segmentation},
author = {Qi Yao and Xiaojin Gong},
journal= {arXiv preprint arXiv:1910.05475},
year = {2020}
}
备注
10 pages, 5 figures. Accepted by IEEE ACCESS