《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