基于扩展补丁对的弱监督语义分割网络

来源：信息与控制杂志2025年第4期北京时间：

作者：孙铭辰, 葛洪伟, 李婷

摘要：针对弱监督语义分割任务中类激活图(class activation map，CAM)与对象种子相关性低、种子区域覆盖目标不完全的问题，提出基于扩展补丁对的弱监督语义分割网络。首先，提出扩展补丁对，并从信息论角度证明扩展补丁对得到的CAM的自信息总和大于标准CAM的自信息，扩展补丁对的CAM与对象种子相关性更高。其次，提出高低阶特征自注意力聚合模块，将图像低阶特征和CAM分别通过自注意力机制增强后聚合，逐像素细化CAM。最后，设计三重网络，将原始图片以及图片的扩展补丁对作为网络输入，通过缩小原始图像CAM与扩展补丁对的CAM之间的差距，训练得到分割精度更高的弱监督语义分割网络。在Pascal VOC 2012验证集和测试集上进行实验评估，平均交并比(mean Intersection over Union，mIoU)分别为72.1%和73.0%。实验结果表明，该网络性能优于当前主流图像级标签弱监督语义分割方法。

关键词：弱监督学习, 图像语义分割, 类激活图, 图像级标签, 自注意力