在弱监督语义分割中,会使用一些常见的,低成本的标签进行监督,来代替高成分的像素级标签。常见的会使用图像级标签进行监督,但从提上还是会将图像级标签转换成像素级标签(伪标签),常使用的方法有Class Activation Map(CAM)方法。
CAM是一种可视化技术,用于确定神经网络中哪些区域对于特定类别识别贡献最大。在WSSS中,CAM用于生成伪标签,即将每个像素分配到具有最高激活的类别中,从而生成像素级别的伪标签。这些伪标签随后用于训练模型,以在训练过程中提供像素级别的监督信号。
在弱监督语义分割中,会使用一些常见的,低成本的标签进行监督,来代替高成分的像素级标签。常见的会使用图像级标签进行监督,但从提上还是会将图像级标签转换成像素级标签(伪标签),常使用的方法有Class Activation Map(CAM)方法。
CAM是一种可视化技术,用于确定神经网络中哪些区域对于特定类别识别贡献最大。在WSSS中,CAM用于生成伪标签,即将每个像素分配到具有最高激活的类别中,从而生成像素级别的伪标签。这些伪标签随后用于训练模型,以在训练过程中提供像素级别的监督信号。