摘要
本文致力于解决半监督与弱监督语义分割（Semi- and Weakly Supervised Semantic Segmentation, SWSSS）问题，该任务在仅有大量图像级分类标签和少量像素级标注的情况下进行。我们认为，解决SWSSS问题的关键在于生成高质量的伪标签，而本文方法从两个角度入手应对这一挑战。首先，我们提出一种类别感知的交叉熵损失（Class-aware Cross Entropy, CCE）用于网络训练。与传统的交叉熵损失相比，CCE损失仅鼓励模型区分共现类别，从而简化了伪标签生成的学习目标。其次，我们提出一种渐进式交叉训练（Progressive Cross Training, PCT）方法，通过动态评估机制在两个网络之间建立交叉监督，逐步将高质量的预测结果作为额外监督信号引入网络训练过程。该方法在标注数据极度有限的场景下显著提升了生成伪标签的质量。大量实验结果表明，本文方法在性能上显著优于当前最先进的技术。