摘要
我们提出了一种弱监督模型，该模型同时执行语义分割和实例分割——鉴于为这些任务获取像素级注释的巨大成本，这是一个特别相关的问题。与许多基于目标检测器的流行实例分割方法不同，我们的方法不会预测任何重叠的实例。此外，我们能够分割“物体”（thing）类和“背景”（stuff）类，从而解释图像中的所有像素。“物体”类通过边界框进行弱监督，“背景”类则通过图像级别的标签进行弱监督。我们在Pascal VOC数据集上获得了最先进的结果，无论是完全监督还是弱监督（后者达到了约95%的完全监督性能）。此外，我们首次在Cityscapes数据集上展示了语义分割和实例分割的弱监督结果。最后，我们利用我们的弱监督框架分析了注释质量与预测性能之间的关系，这对于数据集创建者来说具有重要意义。