树能量损失：面向稀疏标注语义分割
计算机视觉与模式识别
2022-03-23 v2
摘要
稀疏标注语义分割（SASS）旨在利用粗粒度（即点、涂鸦与块级）监督训练分割网络，其中每幅图像仅有一小部分像素被标注。本文中，我们提出一种用于 SASS 的新型树能量损失，为未标注像素提供语义引导。树能量损失将图像表示为最小生成树以建模低层与高层成对亲和力。通过将这些亲和力顺序应用于网络预测，以由粗到细的方式生成未标注像素的软伪标签，实现动态在线自训练。树能量损失有效且易于通过与传统分割损失结合而纳入现有框架。与以往 SASS 方法相比，我们的方法无需多阶段训练策略、交替优化过程、额外监督数据或耗时后处理，同时在所有 SASS 设定下均优于它们。代码见 https://github.com/megvii-research/TreeEnergyLoss。
引用
@article{arxiv.2203.10739,
title = {Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation},
author = {Zhiyuan Liang and Tiancai Wang and Xiangyu Zhang and Jian Sun and Jianbing Shen},
journal= {arXiv preprint arXiv:2203.10739},
year = {2022}
}
备注
Accepted by CVPR2022