- 概要
这篇论文（不知道为什么插入不了链接了，大家可以自行Google）是17年AAAI上的一篇文章，提出了一种基于image-level标记的弱监督语义分割的算法。这个算法包括两个网络，一个网络SPN用来生成segmentation annotations。另一个网络deCoupledNet用来做语义分割。通过轮流使用一个网络的结果作为另外一个网络的输入来依次训练，经过几次迭代，最终可以得到期望的结果。这篇文章的主要贡献在于提出了SPN（Superpixel Pooling Network），用来生成初始语义分割的标记。SPN的一个特点是它利用了图像的low-level structure information。
- intuition
之前的弱监督学习做语义分割，使用bounding box， scribbles，或者image-level annotation，主要的挑战在于如何从这些弱监督的标记中学习到pixelwise的标记。之前很多做法是识别物体的显著局部部分，但是这些做法很容易丢失物体的非显著部分，使得分割的结果无法包括整个物体。这篇paper通过考虑low-level structure information和shape information 来进一步提高效果。
3 网络介绍
2.1 SPN网络
-
SPN的网络架构如下所示。首先包括一个卷积部分，使用的是VGG16的卷积部分，生成特征图为
。这部分网络的参数是在ImageNet上pre-trained的模型参数，并且在训练的过程这部分参数保持不变。生成的feature map分成两个分支，一个分支(下面那个分支)直接使用GAP(Global Average Pooling), 每类生成一个class-level的prediction；对于另外一个分支（上面那个分支），不能直接使用Superpixel Pooling，因为生成的feature map太小了，所以先有一个upscale的模块，然后在这个基础上做Superpixel Pooling
- SP layer的前向传播和反向传播
假设pi… , ki表示每个Superpixel中像素的个数，对于每个Superpixel i，feature vector的生成公式为：
其中 rj zj
再通过global average Pooling，每一个图片生成一个feature vector，公式如下：
【图】
其中，。。。
反向传播的公式为：
【图】
Loss公式是C个binary classification的和，公式如下：
【】
两个loss会分别计算。而且学习的方法使用的multi-scale learning，即会将图片随机scale到250，300， 350 400 450的一种。
- 生成初始的annotation。
