基于显著性背景引导的弱监督语义分割网络

作者：白雪飞; 李文静; 王文剑^*

来源：模式识别与人工智能, 2021, 34(09): 824-835.

DOI：10.16451/j.cnki.issn1003-6059.202109005

• 弱监督语义分割
• 显著性检测
• 图像级标签
• 类激活响应图
• 深度神经网络

目前基于图像级标注的弱监督语义分割方法大多依赖类激活初始响应以定位分割对象区域.然而,类激活响应图通常只集中在对象最具辨别性的区域,存在目标区域范围较小、边界模糊等缺点,导致最终分割区域不完整.针对此问题,文中提出基于显著性背景引导的弱监督语义分割网络.首先通过图像显著性映射和背景迭代产生背景种子区域.然后将其与分类网络生成的类激活映射图融合,获取有效的伪像素标签,用于训练语义分割模型.分割过程不再完全依赖最具判别性的类激活区域,而是通过图像显著性背景特征与类激活响应信息相互补充,这样可提供更精确的像素标签,提升分割网络的性能.在PASCAL VOC 2012数据集上的实验验证文中方法的有效性,同时分割性能较优.

• 单位
  山西大学