主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李阳,刘扬,刘国军,郭茂祖.基于对象位置线索的弱监督图像语义分割方法.软件学报,0,(0):0
基于对象位置线索的弱监督图像语义分割方法
Weakly Supervised Image Semantic Segmentation Method Based on Object Location Cues
投稿时间:2018-04-28  修订日期:2018-11-06
DOI:10.13328/j.cnki.jos.005828
中文关键词:  图像语义分割  弱监督  深度卷积神经网络  注意力图  显著图
英文关键词:image semantic segmentation  weakly supervised  deep convolutional neural networks  attention map  saliency map
基金项目:国家自然科学基金(61671188,61571164);国家重点研发计划课题(2016YFC0901902)
作者单位E-mail
李阳 哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001  
刘扬 哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001 yliu76@hit.edu.cn 
刘国军 哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001  
郭茂祖 哈尔滨工业大学 计算机科学与技术学院, 哈尔滨 150001
北京建筑大学 电气与信息工程学院, 北京 100044
建筑大数据智能处理方法研究北京市重点实验室, 北京 100044 
guomaozu@bucea.edu.cn 
摘要点击次数: 151
全文下载次数: 118
中文摘要:
      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.为了克服这个问题,本文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.本文所提方法分为三个步骤:(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本文所提方法的有效性及其优秀的分割性能.
英文摘要:
      Deep convolutional neural networks have achieved excellent performance in image semantic segmentation with strong pixel-level annotations. However, pixel-level annotations are very expensive and time-consuming. To overcome this problem, this paper proposes a new weakly supervised image semantic segmentation method with image-level annotations. The proposed method consists of three steps:(1) based on the sharing network for classification and segmentation task, we obtain the class-specific attention map which is the derivative of the spatial class scores (the class scores of pixels in the two-dimentional image space) with respect to the network feature maps; (2) we get saliency map by successive erasing method, which is used to supplement the object localization information missing by attention maps; (3) we combine attention map and saliency map to generate pseudo pixel-level annotations and train the segmentation network. A series of comparative experiments demonstrate the effectiveness and better segmentation performance of the proposed method on the challenging PASCAL VOC 2012 image segmentation dataset.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利