基于自监督图像对的弱监督语义分割算法 |
| |
引用本文: | 侯孝振,陈斌.基于自监督图像对的弱监督语义分割算法[J].计算机应用,2022(S2):53-59. |
| |
作者姓名: | 侯孝振 陈斌 |
| |
作者单位: | 1. 中国科学院成都计算机应用研究所;2. 中国科学院大学计算机科学与技术学院;3. 哈尔滨工业大学(深圳)国际人工智能研究院;4. 哈尔滨工业大学重庆研究院 |
| |
摘 要: | 为了降低语义分割任务的标注成本,提出一种基于自监督图像对的弱监督语义分割算法Co-Net。首先,将一对图像分别输入骨干网络中提取图像对特征;然后,将特征展开加入位置信息送入编码层中进行编码;接着,将编码特征送入协同注意力模块(CoAM)以及双向自注意力模块(BiAM)中进行信息相互表征;最后,将图像区域掩码模型(MRM)以及图像对匹配(IPM)两种自监督任务用于网络训练,学习图像对中的全局关联以及局部关联,以此得到更加精确的初始化种子。仅使用图像级标签进行弱监督语义分割,在Pascal VOC 2012验证和测试集上分别实现了69.8%和70.3%的平均交并比(mIoU),相较于同样为图像对输入的算法GroupWSSS(Group-Wise Semantic mining for weakly Supervised Semantic Segmentation),验证集、测试集上的mIoU分别提高了1.6、1.8个百分点。实验结果表明,所提算法可以获得更加完整的目标激活区域。
|
关 键 词: | 语义分割 弱监督学习 自监督学习 弱监督的语义分割 深度学习 |
|