通过迁移语义亲和与边界的弱样本语义分割
计算机视觉与模式识别
2022-10-18 v2
摘要
基于图像级标签的弱监督语义分割（WSSS）已被广泛研究，以缓解传统分割任务的标注负担。在本文中，我们表明现有的全标注基类类别可帮助仅用图像级标签分割新类别的对象，即使基类与新类别无重叠。我们将此任务称为弱样本语义分割，也可视为带有辅助全标注类别的 WSSS。近期先进的 WSSS 方法通常获取类激活图（CAM）并通过亲和传播对其进行细化。基于语义亲和与边界与类别无关的观察，我们提出一种在 WSSS 框架下从基类向新类别迁移语义亲和与边界的方法。结果表明，基类的像素级标注可促进亲和学习与传播，从而生成更高质量的 novel 类别 CAM。在 PASCAL VOC 2012 数据集上的大量实验证明，我们的方法在新类别上显著优于 WSSS 基线。
引用
@article{arxiv.2110.01519,
title = {Weak-shot Semantic Segmentation by Transferring Semantic Affinity and Boundary},
author = {Siyuan Zhou and Li Niu and Jianlou Si and Chen Qian and Liqing Zhang},
journal= {arXiv preprint arXiv:2110.01519},
year = {2022}
}
备注
29 pages, 8 figures