《STC: A Simple to Complex Framework for Weakly-supervised Semantic Segmentation》笔记

学习笔记，如有谬误，还请不吝赐教！

解决的问题以及方法

Image level的弱监督分割算法，从简单的背景简单、前景单一图像学起，再学习复杂图像的过程。

框架及细节

主要的想法还是想方设法搞出比较靠谱的掩码，然后CNN拟合。

Initial DCNN

通过《Salient object detection: A discriminative regional feature integration approach》的方法得到显著图，通过交叉熵训练网络，标签就是归一化的显著图（不过他这里说是多分类交叉熵，但他又说对于简单的图像，就认为是只有一个类，所以这里其实就是一个两类的交叉熵，一个标签标记的前景，用显著图的归一化值做标签，一个是背景，就用1减掉）

Enhanced-DCNN

通过第一个网络得到大致分割的结果，通过图像标签选择对应类的掩码，监督训练。

Powerful-DCNN

和上