【CVPR2022】弱监督语义分割的类重新激活图

Class Re-Activation Maps for Weakly-Supervised Semantic Segmentation(弱监督语义分割的类重新激活图)

code：https://github.com/zhaozhengChen/ReCAM

本文介绍了一种非常简单高效的方法：使用名为 ReCAM 的 softmax 交叉熵损失 (SCE) 重新激活具有 BCE 的收敛 CAM。给定一张图像，本文使用 CAM 提取每个类的特征像素，并使用它们与类标签一起使用 SCE 学习另一个全连接层（在主干之后）。收敛后，本文以与 CAM 中相同的方式提取 ReCAM。由于 SCE 的对比性质，像素响应被分解为不同的类别，因此预期的掩码模糊性会更小。对 PASCAL VOC 和 MS COCO 的评估表明，ReCAM 不仅可以生成高质量的遮罩，还可以在任何 CAM 变体中以很少的开销支持即插即用。

https://www.zhuanzhi.ai/paper/e5a31e218f7b42db1f4a3b92277f3951

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“RECAM” 就可以获取《【CVPR2022】弱监督语义分割的类重新激活图》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取70000+AI主题知识资源