模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (9): 824-835    DOI: 10.16451/j.cnki.issn1003-6059.202109005
“深度学习算法及在图像与视觉的应用”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于显著性背景引导的弱监督语义分割网络
白雪飞1, 李文静1, 王文剑1,2
1.山西大学 计算机与信息技术学院 太原 030006
2.山西大学 计算智能与中文信息处理教育部重点实验室 太原 030006
Saliency Background Guided Network for Weakly-Supervised Semantic Segmentation
BAI Xuefei1, LI Wenjing1, WANG Wenjian1,2
1. School of Computer and Information Technology, Shanxi University, Taiyuan 030006
2. Key Laboratory Computational Intelligence and Chinese Information Processing of Ministry of Education, Shanxi University, Taiyuan 030006

全文: PDF (6006 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 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.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
白雪飞
李文静
王文剑
关键词 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    
Abstract:Weakly-supervised semantic segmentation methods based on image-level annotation mostly rely on the initial response of class activation map to locate the segmented object region. However, the class activation map only focuses on the most discriminative area of the object, and the shortcomings exit, including small target area and blurred boundary. Therefore, the final segmentation result is incomplete. To overcome this problem, a saliency background guided network for weakly-supervised semantic segmentation is proposed. Firstly, the background seed region is generated through image saliency mapping and background iteration, and then it is fused with the class activation map generated by the classification network. Thus, effective pseudo pixel labels for training the semantic segmentation model are obtained. The segmentation process does not entirely depend on the most discriminative object. The information complementation is implemented through image saliency background features and class activation response map. Consequently, pixel labels are more accurate, and the performance of the segmentationnetwork is improved.Experiments on PASCALVOC 2012 dataset verify the effectiveness of the proposed method. Moreover, the proposed method makes a significant improvement in segmentation performance.
Key wordsWeakly-Supervised Semantic Segmentation    Saliency Detection    Image-Level Label    Class Activation Response Map    Deep Neural Network   
收稿日期: 2021-05-28     
ZTFLH: TP 181  
基金资助:国家自然科学基金项目(No.61703252,62076154)、山西省国际合作重点研发计划项目(No.201903D421050)、中央引导地方科技创新项目(No.YDZX20201400001224)资助
通讯作者: 王文剑,博士,教授,主要研究方向为机器学习、计算智能、图像处理.E-mail:wjwang@sxu.edu.cn.   
作者简介: 白雪飞,博士,副教授,主要研究方向为图像处理、机器学习.E-mail:baixuefei@sxu.edu.cn.
李文静,硕士研究生,主要研究方向为图像处理、机器学习.E-mail:804159841@qq.com.
引用本文:   
白雪飞, 李文静, 王文剑. 基于显著性背景引导的弱监督语义分割网络[J]. 模式识别与人工智能, 2021, 34(9): 824-835. BAI Xuefei, LI Wenjing, WANG Wenjian. Saliency Background Guided Network for Weakly-Supervised Semantic Segmentation. , 2021, 34(9): 824-835.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202109005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I9/824
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn