弱监督显著实例检测

现有的显著实例检测（SID）方法通常从像素级标注数据集中学习。本文提出首个针对 SID 问题的弱监督方法。尽管弱监督已在一般显著性检测中被考虑，但其主要基于使用类标签进行目标定位。然而，仅使用类标签来学习实例感知的显著性信息并非易事，因为具有高语义亲和力的显著实例可能无法被标签轻易分离。我们注意到，计数信息提供了对显著条目数量的即时判断，这自然与检测显著实例相关，并可能有助于分离同类实例的同时将同一实例的不同部分分组。受此启发，我们提出使用类标签和计数标签作为 SID 问题的弱监督。我们提出了一种具有三个分支的新型弱监督网络：利用类一致性信息定位候选目标的显著性检测分支；利用类差异信息描绘目标边界的边界检测分支；以及使用计数信息检测显著实例质心的质心检测分支。该互补信息被进一步融合以生成显著实例图。我们进行了大量实验，证明所提方法相对于从相关任务改编的精心设计的基线方法具有优势。