融合显著边界约束的弱监督语义分割方法

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：白雪飞, 张丽娜, 王文剑

单位：1.山西大学 计算机与信息技术学院，太原 030006；2.山西大学 计算智能与中文信息处理教育部重点实验室，太原 030006；3.山西警察学院 网络安全保卫系，太原 030401

摘要：针对现有弱监督语义分割方法存在的类激活不足、伪标签边界不清晰的问题，提出了融合显著边界约束的弱监督语义分割方法。提出由共享参数的孪生网络作为类激活图生成网络，将仿射变换前后的图像作为孪生网络两个分支的输入，得到不同的类激活图后，通过一致性损失函数融合仿射变换前后的互补信息，以生成具有完整信息的类激活图。设计显著性修正模块，在类激活图中引入边界约束，抑制背景信息的错误激活；同时，设计显著性亲和模块从显著图中学习像素之间的亲和矩阵，进一步细化初始伪标签，提升模型的语义分割性能。实验结果表明，该方法在PASCAL VOC 2012验证集上的mIoU值为71.4%，与基线相比，性能提升了2.1个百分点，测试集上的mIoU值为70.8%；在COCO 2014验证集上的mIoU值为39.2%，展现了良好的分割结果，该方法可以更好地完成弱监督语义分割任务。

关键词：弱监督语义分割,图像级标签,Transformer,卷积神经网络,孪生网络,显著图