用于点击级弱监督语义分割的研讨学习
计算机视觉与模式识别
2021-08-31 v1
摘要
标注负担已成为语义分割的最大障碍之一。基于点击级标注的方法因其在监督与标注成本之间的优越权衡而受到越来越多的关注。本文提出研讨学习（seminar learning），一种用于点击级监督语义分割的新学习范式。研讨学习的基本理念是利用不同网络的知识来弥补点击级标注中提供的信息不足。模仿研讨会，我们的研讨学习包含教师-学生模块与学生-学生模块，其中学生既可以向熟练的教师学习，也可以向其他学生学习。教师-学生模块使用基于指数移动平均的教师网络来指导学生网络的训练。在学生-学生模块中，提出异构伪标签以桥接学生间知识迁移，从而提升彼此性能。实验结果表明了研讨学习的有效性，其在 Pascal VOC 2012 数据集上以 72.51%（mIOU）取得新的 SOTA 性能，大幅超越先前方法达 16.88%。
引用
@article{arxiv.2108.13393,
title = {Seminar Learning for Click-Level Weakly Supervised Semantic Segmentation},
author = {Hongjun Chen and Jinbao Wang and Hong Cai Chen and Xiantong Zhen and Feng Zheng and Rongrong Ji and Ling Shao},
journal= {arXiv preprint arXiv:2108.13393},
year = {2021}
}