P-NOC: Adversarial CAM Generation for Weakly Supervised Semantic Segmentation

要約

大量の教師付きセグメンテーション アノテーション セットの必要性を軽減するために、複数の弱い教師付きセマンティック セグメンテーション (WSSS) 戦略が考案されました。
これらは、注釈付きの情報が欠如しているにもかかわらず、高度なデータとモデルの正則化戦略に依存して、事前セグメンテーションにおける有用な特性 (予測の完全性や意味論的境界への忠実度など) の開発を促進することがよくあります。
この作業では、まず補完的な WSSS 手法を分析し、その長所と限界を考慮して戦略を正規化することで、強力なベースラインを作成します。
次に、新しいクラス固有の敵対的消去戦略を提案します。これは、堅牢なセマンティック セグメンテーションの提案を生成するために段階的に改良される 2 つの敵対的 CAM 生成ネットワークで構成されます。
経験的結果は、私たちのアプローチがベースラインの有効性の大幅な改善を引き起こし、その結果、Pascal VOC 2012 と MS COCO 2014 の両方のデータセットに比べて顕著な改善が得られることを示唆しています。

要約(オリジナル)

To mitigate the necessity for large amounts of supervised segmentation annotation sets, multiple Weakly Supervised Semantic Segmentation (WSSS) strategies have been devised. These will often rely on advanced data and model regularization strategies to instigate the development of useful properties (e.g., prediction completeness and fidelity to semantic boundaries) in segmentation priors, notwithstanding the lack of annotated information. In this work, we first create a strong baseline by analyzing complementary WSSS techniques and regularizing strategies, considering their strengths and limitations. We then propose a new Class-specific Adversarial Erasing strategy, comprising two adversarial CAM generating networks being gradually refined to produce robust semantic segmentation proposals. Empirical results suggest that our approach induces substantial improvement in the effectiveness of the baseline, resulting in a noticeable improvement over both Pascal VOC 2012 and MS COCO 2014 datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google