极简笔记 多篇weakly supervised segmentation笔记

极简笔记 多篇weakly supervised segmentation笔记

Backtracking ScSPM Image Classifier for Weakly Supervised Top-down Saliency

文章主要思想是通过遮挡部分区域，观察分类confidence的改变来决定pixel-level的预测。文章没有使用CNN结构，而是使用SIFT特征+稀疏编码+SVM进行图像分类，由于稀疏编码需要向量字典，因此分类特征的每一维能对应到原图的patch，通过判断该位特征是否对分类起positive作用来判断原patch属于object的概率。得到大量候选patch之后，通过掩码的方式把分类特征中与该patch维度无关的元素设为0，在进行分类，如果预测confidence大于0.5则认为该patch落在saliency范围。

思考：个人认为文章存在的问题是分类最显著区域不包含object全部范围，常常只是动物头部位置，当头部被遮挡，其他区域都有较大可能无法分类，因此该方法无法进行整体区域的细微分割。以及稀疏编码做分类这个强监督baseline有点低。