基于弱监督学习的图像语义分割方法综述

曾孟兰　杨芯萍　董学莲　罗倩

摘  要：为了解决全监督语义分割网络训练成本高的问题，研究者们提出了基于弱监督学习下的语义分割方法。文章对弱监督学习的语义分割方法进行综述，并介绍了语义分割领域常用的数据集和评价指标，最后提出了弱监督语义分割的发展方向。

关键词：弱监督学习;语义分割;数据集;评价指标

中图分类号：TP391         文献标志码：A         文章编号：2095-2945（2020）08-0007-04

Abstract： In order to solve the problem of high training cost of fully supervised semantic segmentation network， researchers proposed a semantic segmentation method based on weakly supervised learning. This paper summarizes the semantic segmentation methods of weakly supervised learning， introduces the data sets and evaluation indexes commonly used in the field of semantic segmentation， and finally puts forward the development direction of weakly supervised semantic segmentation.

Keywords： weakly supervised learning; semantic segmentation; dataset; evaluation index

引言

图像的语义分割技术就是利用神经网络模型对图像中的每一个像素点进行分类，进而得到对应目标的语义标签信息和位置信息。该技术可以使得智能机器人等对周围环境有更全面的理解，在无人驾驶、无人机和机器人导航工作领域扮演着重要角色。

早期的语义分割方法主要是基于全监督学习的图像语义分割，该方法首先需要专业人员对训练的数据集样本进行精准的像素级标注，然后利用标注好的数据对语义分割神经网络进行训练，最后将训练好的分割网络用于图像的分割。因为有精准的训练数据，所以基于全监督学习方法的图像语义分割能够得到较为准确的分割结果。但是，基于全监督学习方法的图像语义分割结果过度依赖于精准的数据集标注，而标注相对精准的数据集是一项需要消耗大量人力以及时间的任务，这无疑增加了科研工作的成本。一些研究者为了降低神经网络的训练成本，提出了基于弱监督学习的语义分割方法，实现通过使用一些低成本的训练数据，使神经网络达到相对精准的分割效果。……