基于双向学习的弱监督阴影-对象实例检测

来源：电子测量技术杂志2025年第2期北京时间：

作者：王骁，刘洪，廖丽瑛，邹世奇

单位：贵州大学大数据与信息工程学院 贵阳 550025

摘要：现有阴影-对象实例检测网络都是基于掩码标签的全监督训练，但掩码标签标注难度和成本较高。仅利用边界框标签进行监督训练可以有效降低数据集的标注难度和成本，但弱监督会导致预测实例掩码精度降低。为了解决这一问题，首次利用弱监督方法进行阴影对象实例检测，提出了一种基于双向学习结构的弱监督阴影-对象实例检测网络。首先，设计了教师-学生双向学习结构，利用教师网络预测的结果作为学生网络监督训练的的伪掩码标签，通过指数移动平均方法更新教师网络的参数的方法提高弱监督检测的精确度。其次，通过投影损失对预测掩码进行精准定位，并引入了能表征图像色彩先验信息的色彩相似性指标，结合交叉熵损失函数设计了色彩相似性损失函数，提高了整体网络的检测性能。为了验证所提方法的有效性和提高网络的鲁棒性，构建了一个阴影-对象实例检测数据集，并在该数据集与公开数据集SOBA上验证了本文网络的预测能力，平均精度值分别达到了53.3和51.5。

关键词：阴影检测;实例分割;弱监督;双向学习;色彩相似性

基金资助：贵州省基金（黔科合基础［2019］1063号）、贵州大学引进人才科研项目（贵大人基合同字（2017）14号）资助