-
题名基于自监督图像对的弱监督语义分割算法
被引量：1
- 1
-
-
作者
侯孝振
陈斌
-
机构
中国科学院成都计算机应用研究所
中国科学院大学计算机科学与技术学院
哈尔滨工业大学(深圳)国际人工智能研究院
哈尔滨工业大学重庆研究院
-
出处
《计算机应用》
CSCD
北大核心
2022年第S02期53-59,共7页
-
文摘
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
-
Keywords
semantic segmentation
weakly supervised learning
self-supervised learning
weakly supervised semantic segmentation
deep learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
