计算机应用研究

作者：杨大伟,迟津生,毛琳,

单位：大连民族大学机电工程学院,辽宁大连116600；

关键词：弱监督学习,语义分割,种子区域,伪像素掩码,

基金：国家自然科学基金资助项目(61673084)；辽宁省自然科学基金资助项目(20170540192,20180550866,2020-MZLH-24)；；

由于弱监督语义分割任务中种子区域的随机生长机制，导致弱监督语义分割网络经常出现错分割和漏分割的问题，为此，提出一种基于边界辅助的弱监督语义分割网络。该网络利用边界信息和语义信息，为种子区域的生长提供参考，使种子区域可以自然生长至目标边界，并在目标被遮挡或重叠时正确区分目标类别，生成可以覆盖更完整目标的伪像素掩码。以此伪像素掩码作为监督信息训练分割网络，可以改善弱监督语义分割网络由于伪像素掩码无法准确覆盖目标区域导致的错分割和漏分割问题，提升弱监督语义分割网络精度。在通用数据集PASCAL VOC 2012验证集和测试集上对该网络进行评估，mIoU分别达到71.7%和73.2%。实验结果表明，其网络性能优于当前大多数图像级弱监督语义分割方法。

来源：2024年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第2期