为像素而竞争:用于弱监督的语义细分的自动玩法算法

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 弱监督的语义细分 (WSSS) 依赖于图像级标签,缺乏精确的区域对应.
• 与完全监督的方法相比,WSSS提供了较低的注释成本.
• 现有的WSSS方法在过分细分和不足细分方面扎.

研究的目的:

• 提出一种新的WSSS方法,使用强化学习 (RL) 自动游戏.
• 为感兴趣地区 (ROI) 游戏化图像细分过程.
• 为了应对在有限的监督下准确地定位ROI的挑战.

主要方法:

• 作为两个RL代理商之间的竞争游戏,制定了细分.
• 代理商选择含有ROI的补丁,直到所有这些补丁都用完了.
• 使用预先训练在图像级二进制标签上的物体存在探测器.
• 实施了游戏终止条件和基于补丁选择成功的代理激励措施.

主要成果:

• 在四个不同的数据集中展示了显著的性能改进.
• 性能优于最近最先进的WSSS方法.
• 有效地减少了WSSS固有的过度和不足细分问题.

结论:

• 拟议的RL自玩游戏化细分方法对WSSS有效.
• 这种方法提供了一个强大的解决方案,用于准确的ROI细分与弱监督.
• 竞争代理框架成功地减轻了常见的WSSS细分错误.