.png){kind=icon}
返回
MSPD-net: structural–appearance prototype decoupling for weakly supervised semantic segmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-026-04715-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于图像级标签的弱监督语义分割（WSSS）通常依赖类激活图（CAMs）生成伪标签。然而，单层原型生成方法因特征表示能力有限，常导致CAM激活不完整和目标定位不准确。此外，现有方法对区分性外观信息的依赖，难以有效利用对象结构信息，进一步影响边界精度和最终分割性能。为解决此问题，本文提出一种互补原型表示框架，通过三个模块协同提升伪标签质量。首先，多尺度原型融合模块（MSPF）自适应整合多级特征，构建更完整准确的类别表示。其次，结构-外观原型解耦模块（SAPD）在像素-原型匹配中分离外观与几何信息，增强纹理区分和边界细节。最后，负原型聚类挖掘（NPCM）通过生成语义相似的子类别负样本，提升混淆类别的判别能力。在PASCAL VOC 2012和MS COCO 2014数据集上的实验表明，本文方法在PASCAL VOC上达到73.3%（val）和73.7%（test）的mIoU，在MS COCO上达到43.7%的mIoU。代码可在https://github.com/Weiw1819/MSPD-Net获取。
Keyword:
Weakly supervised semantic segmentation
Class activation map
Prototype learning
Structural–appearance decoupling
Multi-scale feature fusion
Contrastive learning
Boundary-aware segmentation
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
引用论文
Optimizing multi-task network with learned prototypes for weakly supervised semantic segmentation
PREAI
分享收藏Context-aware learning and background activation suppression for weakly supervised semantic segmentation上下文感知学习和背景激活抑制的弱监督语义分割.png)
MULTIMEDIA SYSTEMS
OAAI
MULTIMEDIA SYSTEMSIF3.1
OAAI分享收藏Counterfactual learning and saliency augmentation for weakly supervised semantic segmentation反事实学习与显著性增强在弱监督语义分割中的应用
PREAI
分享收藏Enhancing weakly supervised semantic segmentation through multi-class token attention learning
IF0
PREAI
分享收藏Weakly supervised semantic segmentation via saliency perception with uncertainty-guided noise suppressionVISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏
没有更多内容
没有更多内容