极简笔记 Weakly Supervised Instance Segmentation using Class Peak Response
发布时间
阅读量：
阅读量
极简笔记 Weakly Supervised Instance Segmentation using Class Peak Response
本文是一篇弱监督的工作，利用分类网络做实例分割任务。主要思路是利用网络输出的响应图，取局部极大值之后反向计算（这个过程中分辨率也在变大），得到与这个局部极大值相关的区域信息，再结合类别信息等，从利用传统算法求出的segmentation mask里面进行打分排序，得到分割结果。
网络训练只用到了分类信息。在正向传播时候每一个conv层输入记作U，输出记作V，坐标(i,j)下的值就记作V_{ij}。定义反传公式：
其中 \hat{U}_{ij}是反向激活函数， W^+=RELU(W)， Z是归一化因子使得\sum_{p,q}P(U_{ij}|V_{pq})=1
记反传得到的响应图为peak response map（PRM），记作R，用它在传统算法生成的mask proposal里面去打分并选取最高得分作为结果。打分公式如下：
其中S表示mask proposal，\hat{S}表示形态学计算的的梯度，Q表示分类响应图上背景的响应。
伪代码见下图：
在类别数逐渐增多的情况下，该方法性能会逐步下降。文章和一堆弱监督方法进行了对比实验，取得了最好的效果。
全部评论 (0)
还没有任何评论哟~