简约取胜：利用物体性引导生成语义标签
计算机视觉与模式识别
2021-10-22 v1
摘要
现有的弱监督或半监督语义分割方法利用图像级或框级监督为弱标注图像生成伪标签。然而，由于缺乏强监督，生成的伪标签在物体边界附近往往含有噪声，严重影响了网络学习强表示的能力。为解决该问题，我们提出了一种新颖框架，为训练图像生成伪标签，随后用于训练分割模型。为生成伪标签，我们融合了以下信息：(i) 一个类别无关的物体性网络，学习识别类物体区域；以及 (ii) 图像级或边界框标注。我们通过展示物体性网络如何自然地被利用来为未见类别生成类物体区域，证明了方法的有效性。随后我们提出一种端到端多任务学习策略，利用生成的伪标签联合学习语义与物体性分割。大量实验证明了我们所生成伪标签的高质量，以及所提框架在多种领域中的有效性。相比现有弱监督与半监督方法，我们的方法取得了更优或具竞争力的性能。
引用
@article{arxiv.2110.10335,
title = {Simpler Does It: Generating Semantic Labels with Objectness Guidance},
author = {Md Amirul Islam and Matthew Kowal and Sen Jia and Konstantinos G. Derpanis and Neil D. B. Bruce},
journal= {arXiv preprint arXiv:2110.10335},
year = {2021}
}
备注
BMVC 2021