基于扩散方法的特征动态库

来源：计算机工程与应用杂志2025年第5期北京时间：

作者：黄山, 范慧杰, 林森, 曹镜涵, 唐延东

单位：1.沈阳理工大学 自动化与电气工程学院，沈阳 110168；2.中国科学院 沈阳自动化研究所 机器人学国家重点实验室，沈阳 110016；3.中国科学院 机器人与智能制造创新研究院，沈阳 110169

摘要：弱监督语义分割（weakly-supervised semantic segmentation,WSSS）利用更简单易得的图像级标注（框、点、线和类别信息），以训练分类模型的方式获取物体分割区域，从而实现图像像素级预测。由于主流的分割算法仍然需要依赖大量的标注数据，而逐像素标注十分昂贵、费时且费力，为了减轻这一负担，人们越来越关注高效利用弱标注的信息生成标签这种方法。在弱监督方面关注两个问题：一是生成的伪标签图像不够完整，二是分类不够精准。现有的绝大部分方法都只考虑了第一点，而提出的基于扩散方法的特征动态存储方案既保证了标签的完整性又兼顾了类别特征，通过抑制最显著区域以扩散激活图的激活区域方式，并使用前景背景分离的细化方案剔除类激活图的冗余噪声；最后输入特征动态库在训练阶段引入语义标签使得每个类别实时更新。在Pascal VOC 2012数据集上，提出的方法对比现有大部分弱监督语义分割方法，均展现了优越性；对比以Transformer为骨干网络的新方法，在验证集和测试集上分别高2.5个百分点和2.9个百分点。

关键词：弱监督,特征提取,语义分割,Transformer