基于语义比例的语义分割

摘要

本文介绍了基于语义比例的语义分割。语义分割是计算机视觉中的一项关键任务，旨在识别和分类图像中的单个像素，其具有很多应用，例如自动驾驶和医学图像分析。然而，语义分割可能非常具有挑战性，特别是需要标注大量的标注数据。图像标注是一个耗时且代价高昂的过程，通常需要专业知识和大量精力。在本文中，我们提出了一种新型的语义分割方法，消除了对真值分割图的需求。相反，本文方法仅需要单个语义类别比例的粗略信息，简称为语义比例。它极大地简化了数据标注过程，从而显著地减少了标注时间和代价，使其更适合于大规模应用。此外，它为语义分割任务开辟了新的可能性，在这些分割任务中获得全部的真值分割图可能行不通或者不实用。大量的实验结果表明，与依赖于真值分割图的基准方法相比，本文方法可以获得相当的性能，有时甚至更好的性能。利用本工作中提出的语义比例可以为语义分割领域的未来研究工作提供一个很有前景的方向。

主要贡献

本文的主要贡献如下：

1）本文提出一种新的语义分割方法，其利用了SP标注；

2）本文在来自不同领域的具有代表性的基准数据集上进行大量的实验，从而证明本文所提出方法的有效性和鲁棒性；

3）本文通过弱标注数据和未来方向对语义分割进行深入的讨论。

论文图片和表格

总结

语义分割方法通常需要代价高昂的标注（例如真值分割掩膜），以便实现令人满意的性能。为了减少语义分割的标注时间和代价，本文提出了一种新的方法——SPSS，它依赖于SP标注而不是代价高昂的真值分割图。大量实验验证了所提出方法在减少标注所需时间和代价方面的巨大潜力，使其在大规模应用中更为可行。此外，这种创新型的设计为语义分割任务开辟了新的机会，在这些分割任务中获取全部的真值分割图可能行不通或者不实用。我们相信，本文提出的SP标注的使用为语义分割这一领域的未来研究工作提供了一条新的、有前景的途径，并且在现实世界中有着广泛的应用。

文章转载自公众号：自动驾驶专栏