扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

北京师范大学张家才,2023年第3篇SCI

论论资讯 | 2023-05-28 3热度

Neurocomputing

Explore content

About the journal

Publish with us

Gradient-coupled cross-patch attention map for weakly supervised semantic segmentation

Cao Z.; Zhang J.

Published:2023-05-28
DOI:10.1016/j.neucom.2023.03.031

研究背景

在当今社会,语义分割技术被广泛应用于图像识别、自动驾驶等领域。然而,由于传统的语义分割方法需要大量的标注数据,导致标注成本高昂。因此,研究人员开始关注弱监督语义分割技术,该技术只需要少量标注数据即可实现语义分割。但是,现有的弱监督语义分割方法仍然存在一些问题,比如对于长程特征依赖的探索能力有限,导致物体区域检测不完整,分割性能较差。

研究内容

为了解决现有方法的问题,研究人员提出了一种新的弱监督语义分割框架,称为梯度耦合交叉补丁注意力图(GC-PAM)。该方法通过将分类分数梯度反向传播来恢复注意力图的语义知识,并利用它来检索与物体相关的补丁和与物体不相关的补丁。然后,通过内容自适应的交叉补丁耦合来聚合相应的物体补丁注意力图,同时利用不相关的补丁来抑制背景噪声。最终,生成的物体激活图被用于生成伪标签,以监督分割分支。实验结果表明,GC-PAM方法具有很好的效果,比现有的弱监督语义分割方法更好。

研究意义

GC-PAM方法的创新之处在于,它利用梯度耦合交叉补丁注意力图来解决现有方法的问题,提高了弱监督语义分割的精度。此外,GC-PAM方法具有简单和计算效率高的特点,可以作为卷积神经网络的替代方案。这项研究的成果对于推动弱监督语义分割技术的发展具有重要意义。

微信扫码即可查看