论文阅读：Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation

Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation

摘要

弱监督语义分割，现有的目标区域挖掘方法，通常不考虑对象的大小，并且是一个单调的挖掘所有的对象区域的过程。

而大目标的挖掘区域的数量和规模不足，小目标的挖掘区域容易受到周围背景的污染。

本文针对此问题，提出一个 multi-miner 框架来执行区域挖掘过程，该过程能够自适应不同的目标大小，从而能够挖掘出更完整、更精细的目标区域。

Intruduction

该方法自适应地对不同对象，采取不同区域的挖掘步数，大目标挖掘步数多，小目标挖掘步数少。因此该方法比现有的方法挖掘的目标区域更完整、更精细。

自适应挖掘的关键在于何时停止或继续挖掘。这里利用了一个 parallel modulator，它可以简单地实现为 multi-label 分类器，通过检查每个对象是否含有剩余对象区域来控制挖掘过程。然后，modulator 指导 category-aware generator 去继续或停止对每个对象的区域挖掘。所以，每个对象的挖掘步数可以自适应它的大小。

区域挖掘过程中，由于叠加卷积层，使得输入图像的空间分辨率不能保持，因此在区域挖掘过程中不可避免地会包含一些背景。为了缓解这个问题，提出一个 multi-scale 训练策略。小尺寸的输入可以提供关于整个对象的全局信息，而大尺寸的输入提供关于细节的信息。

对上述的内容概况一下：

方法

object-adaptive region mining

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200910164649688.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2MjI0Mj
I1,size_16,color_FFFFFF,t_70#pic_center)

multi-scale training strategy

connection with distribution mapping

实验

原文下载

点击下载