用于单阶段弱监督与半监督语义分割的自监督低秩网络学习

在标注数据有限的条件下进行语义分割，例如弱监督语义分割（Weakly Supervised Semantic Segmentation, WSSS）和半监督语义分割（Semi-Supervised Semantic Segmentation, SSSS），是近年来备受关注的挑战性任务。目前主流的WSSS方法通常采用复杂的多阶段训练策略，以尽可能精确地估计伪标签，但这类方法往往带来较高的模型复杂度。相比之下，另一类研究路径则致力于在单次训练周期内，仅使用图像级标签训练一个单一网络。然而，由于伪标签估计不准确所引发的误差累积效应，此类单阶段策略通常性能较差。为解决这一问题，本文提出一种自监督低秩网络（Self-supervised Low-Rank Network, SLRNet），用于单阶段WSSS与SSSS任务。SLRNet引入跨视图自监督机制，即从同一图像的不同视角中同时预测多个互补的注意力引导低秩（Low-Rank, LR）表示，以学习更精确的伪标签。具体而言，本文将低秩表示学习重新建模为一种集体矩阵分解问题，并与网络学习过程以端到端的方式联合优化。所获得的低秩表示能够有效抑制噪声信息，同时捕捉不同视角间稳定的语义特征，从而对输入变化具有更强的鲁棒性，显著降低对自监督误差的过拟合风险。SLRNet可为多种标签高效语义分割场景提供统一的单阶段框架，涵盖以下三种设置：1）仅使用图像级标签的WSSS；2）少量像素级标签的SSSS；3）同时包含少量像素级标签与大量图像级标签的SSSS。在Pascal VOC 2012、COCO以及L2ID等多个基准数据集上的大量实验表明，所提出的SLRNet在多种不同设置下均显著优于当前最先进的WSSS与SSSS方法，充分验证了其优异的泛化能力与有效性。