软件学报

作者：李阳，刘扬，刘国军，郭茂祖

单位：李阳，北京建筑大学 电气与信息工程学院, 北京 100044;哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 15000111,刘扬，哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 15000102,刘国军，哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 15000103,郭茂祖，北京建筑大学 电气与信息工程学院, 北京 100044;哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001;建筑大数据智能处理方法研究北京市重点实验室(北京建筑大学), 北京 10004404

关键词：图像语义分割;弱监督;深度卷积神经网络;注意力图;显著图

基金：国家自然科学基金（61671188，61571164）；国家重点研发计划（2016YFC0901902）

深度卷积神经网络使用像素级标注，在图像语义分割任务中取得了优异的分割性能.然而，获取像素级标注是一项耗时并且代价高的工作.为了解决这个问题，提出一种基于图像级标注的弱监督图像语义分割方法.该方法致力于使用图像级标注获取有效的伪像素标注来优化分割网络的参数.该方法分为3个步骤：（1）首先，基于分类与分割共享的网络结构，通过空间类别得分（图像二维空间上像素点的类别得分）对网络特征层求导，获取具有类别信息的注意力图；（2）采用逐次擦除法产生显著图，用于补充注意力图中缺失的对象位置信息；（3）融合注意力图与显著图来生成伪像素标注并训练分割网络.在PASCAL VOC 2012分割数据集上的一系列对比实验，证明了该方法的有效性及其优秀的分割性能.

来源：2020年第11期

《软件学报》期刊编辑部

查看软件学报杂志2020年第11期