CVPRMar, 2022

弱监督语义分割的类别激活图

PDF
TL;DR本文介绍了一种称为 ReCAM 的弱监督语义分割方法，通过将 softmax 交叉熵损失函数用于已收敛的 class activation map 从而生成高质量的掩膜。
weakly-supervised semantic segmentationclass activation mapsbinary cross-entropy losssoftmax cross-entropy lossrecam
发现论文，激发创造
  • BroadCAM: 面向小规模弱监督应用的结果无关类激活映射

    我们提出了一种面向小规模弱监督应用的结果无关 CAM 方法，叫做 BroadCAM，通过在各种 CNN 架构中对 VOC2012（自然图像）和 BCSS-WSSS（医学图像）进行评估，在小规模数据（不到 5％）中表现出比现有 CAM 方法更优越的性能，并且在大规模训练数据时达到 SOTA 性能，通过广泛的定性比较来证明 BroadCAM 在小规模训练数据时如何激活高类别相关特征图并生成可靠的 CAM。

    Sep, 2023

  • 无监督对象定位和语义分割中，不考虑类别的激活映射对比学习

    该研究提出了使用无标签图像数据进行不需要图像级监督的类无关激活图生成的对比学习方法（Contrastive learning for Class-agnostic Activation Map），得到了更完整的物体区域，并应用于弱监督目标定位和语义分割中。

    Mar, 2022

  • MetaCAM：基于集成的类激活图

    提出了基于集成的 MetaCAM 方法，结合多种现有的 Class Activation Maps 方法，通过对组件 CAMs 中最高激活像素的前 k% 的一致性进行集成，优化了深度学习模型预测中显著区域的定位性能，并通过自适应阈值方法改善了 CAMs 的性能。

    Jul, 2023

  • 语义分割的交换分配弱监督共训练

    提出了一种采用引导类激活图的端到端弱监督语义分割模型 CoSA，通过交替学习和三种技术的引入，有效减少了类激活图的不一致性和错误，达到了优于现有方法的性能。

    Feb, 2024

  • 从非判别特征中提取类激活图

    提出了一种新的计算 CAM 的方法，通过引入一种新的计算方法，可以显式地捕捉到不具有识别能力的对象特征，从而将 CAM 扩展到覆盖整个对象，实验结果表明，该方法在弱监督语义分割领域具有优越性，且计算成本较低。

    Mar, 2023

  • 弱监督语义分割的问题 - 答案跨语言图像匹配

    我们提出了一种基于问题回答跨语言图像匹配框架，利用视觉语言基础模型来最大化对图像的基于文本的理解，并引导激活图的生成，以解决现有激活地图方法在目标物体区域低激活和背景区域误激活的问题。

    Jan, 2024

  • 弱监督语义分割的注意力图背景噪声消除

    基于 Conformer 的 TransCAM 方法在弱监督语义分割中解决了背景噪声的问题，减少了背景噪声的影响，提高了伪标签的准确性。在实验中，我们的模型在 PASCAL VOC 2012 验证数据上达到了 70.5% 的分割性能，在测试数据上达到了 71.1% 的分割性能，在 MS COCO 2014 数据上达到了 45.9% 的分割性能，优于 TransCAM 方法。

    Apr, 2024

  • UM-CAM：基于不确定性加权的多分辨率类激活图在弱监督下进行胎儿脑分割

    本文提出了一种基于 UM-CAM 的新型弱监督学习方法，利用语义特征和上下文信息探测，解决了采用图像级标签的弱监督分割方法中出现的活跃区域不完整的问题，对于胎儿脑分割任务取得了良好的性能。

    Jun, 2023

  • AME-CAM: 注意力多路出口 CAM 在 MRI 脑肿瘤弱监督分割中的应用

    本文介绍了一种新的基于关注多级金字塔结构的类激活特征映射方法 AME-CAM, 该方法对多分辨率的激活图进行聚合，实现了对磁共振成像脑肿瘤分割的高精度预测。

    Jun, 2023

  • 用于视觉实例搜索的类加权卷积特征

    本文提出了一种基于目标图像预测的语义信息的局部感知编码方法，在图像检索中使用卷积神经网络和类激活图进行无监督重排和目标检测，证明了其在 Oxford5k 和 Paris6k 等公共数据集上的优越性能。

    Jul, 2017