[IJCAI 2022 | 论文简读] CARD：通过基于类不可知关系的去噪进行半监督语义分割

简读分享 | 乔剑博 编辑 | 乔剑博

论文题目

CARD: Semi-supervised Semantic Segmentation via Class-agnostic Relation based Denoising

论文摘要

最近的半监督语义分割方法侧重于通过生成伪标签来从未标记的数据中挖掘额外的监督。然而，在这个过程中，嘈杂的标签是不可避免的，这阻碍了有效的自我监督。本文提出基于特征之间的语义连接来校正噪声标签。由于分割分类器同时产生高质量和低质量的预测，因此作者可以追溯到特征编码器来研究噪声组中的特征与置信组中的特征之间的关系。丢弃来自分类器的弱预测，通过特征关系将修正的预测分配给错误预测的特征。这种想法的关键在于挖掘可靠的特征连接。为此，作者提出了一个与类无关的关系网络，以精确捕获特征之间的语义连接，同时忽略其语义类别。特征关系使作者能够执行有效的噪声标签校正，以提高自我训练性能。对PASCAL VOC和城市景观的广泛实验证明了所提出的方法在各种半监督设置下的最新性能。

论文链接

https://www.ijcai.org/proceedings/2022/0202.pdf