利用显著性进行图像级别的对象分割

近年来，在语义标注任务中取得了显著的进展。然而，最先进的方法依赖于大规模像素级注释。本文研究了仅从图像级别的现有对象类别注释训练像素级语义标注网络的问题。最近的研究表明，可以从图像级别标签中获得高质量的种子，这些种子指示了具有区分性的对象区域。但由于共现现象，仅凭额外信息无法获得对象的完整范围，这本质上是一个病态问题。我们提出使用显著性模型作为额外信息，并借此利用关于对象范围和图像统计的先验知识。我们展示了如何结合这两种信息源以恢复完全监督性能的80%，这是弱监督训练在像素级语义标注中的最新成果。代码可在 https://goo.gl/KygSeb 获取。