基于误差定位网络的半监督语义分割
计算机视觉与模式识别
2022-06-02 v3
摘要
本文研究语义分割的半监督学习，其假设仅有一小部分训练图像被标注，其余保持未标注。未标注图像通常被赋予伪标签用于训练，然而这常因对伪标签错误的确认偏差而导致性能下降的风险。我们提出一种解决这一伪标签长期问题的新方法。我们方法的核心在于误差定位网络（Error Localization Network, ELN），这是一个以图像及其分割预测为输入、识别伪标签可能出错的像素的辅助模块。ELN 通过在训练中忽略标签噪声，使半监督学习对不准确的伪标签具有鲁棒性，并且可自然地与自训练及对比学习结合。此外，我们为 ELN 引入一种新的学习策略，在 ELN 训练期间模拟合理且多样的分割错误以增强其泛化能力。我们的方法在 PASCAL VOC 2012 和 Cityscapes 上进行了评估，在所有评估设定下均优于现有方法。
引用
@article{arxiv.2204.02078,
title = {Semi-supervised Semantic Segmentation with Error Localization Network},
author = {Donghyeon Kwon and Suha Kwak},
journal= {arXiv preprint arXiv:2204.02078},
year = {2022}
}