作者丨趙磊

學(xué)校丨北京林業(yè)大學(xué)碩士生

研究方向丨語義分割

本文已經(jīng)被 NeurIPS 2019 (2019 Conference and Workshop on Neural Information Processing Systems) 接收，論文為弱監(jiān)督圖像語義分割方法提出了一種全新的損失函數(shù)——門控全連接條件隨機(jī)場損失即 Gated CRF Loss，通過與傳統(tǒng)交叉熵?fù)p失函數(shù)結(jié)合，應(yīng)用于重量級語義分割模型 DeepLab-v3plus 的訓(xùn)練過程，能夠在 Pascal VOC 2012 數(shù)據(jù)集中將基于點(diǎn)擊和描畫的弱監(jiān)督分割方法精度分別提升至 67.39%和 75.50%，為時(shí)下最佳。論文主要的貢獻(xiàn)在于門控全連接條件隨機(jī)場損失函數(shù)的提出與一系列證明該損失函數(shù)有效的消融實(shí)驗(yàn)的設(shè)計(jì)。

背景

目前流行的圖像語義分割模型通常在具有完整標(biāo)注的大型數(shù)據(jù)集上進(jìn)行訓(xùn)練，這樣的數(shù)據(jù)集獲取成本過高，基于此弱監(jiān)督語義分割方法得到了更多的關(guān)注，并已經(jīng)進(jìn)行了多種不同的嘗試，包括輸入不同類型的弱標(biāo)注（基于粗略描畫的，基于邊界框的，基于粗略點(diǎn)擊繪制的以及基于圖像級別標(biāo)簽的），這些方法能夠降低標(biāo)注數(shù)據(jù)的成本，但分割精度較差，尤其是分割邊界。?
論文提出使用新型的損失函數(shù):對于有標(biāo)注的像素點(diǎn)使用交叉熵?fù)p失，對于無標(biāo)注的像素點(diǎn)使用門控 CRF 損失。門控 CRF 損失用于弱監(jiān)督分割方法的訓(xùn)練，它能夠：1）消除無關(guān)像素點(diǎn)的對當(dāng)前像素點(diǎn)分類的影響；2）更加關(guān)注語義邊界而非區(qū)域之間的語義聯(lián)系；3）簡化了全連接條件隨機(jī)場與卷積神經(jīng)網(wǎng)絡(luò)的結(jié)合方式；4）不依賴高維濾波器，能夠進(jìn)行端到端訓(xùn)練。

門控CRF損失

用于語義分割的傳統(tǒng)交叉熵?fù)p失
用于語義分割卷積神經(jīng)網(wǎng)絡(luò) F 在訓(xùn)練中需要多對圖像 x- 標(biāo)注 y，最終為每個(gè)像素點(diǎn)從 C 個(gè)類中預(yù)測其所屬類別。用 N 表示一副圖像中像素點(diǎn)的個(gè)數(shù)，其屬于類別 i 的概率為，傳統(tǒng)的用于多分類問題的交叉熵?fù)p失函數(shù)形式為，其中 y 是給定標(biāo)簽。
在強(qiáng)監(jiān)督的方法中，幾乎所有的像素點(diǎn)都是帶有標(biāo)注的，從而會(huì)形成一個(gè)密集的分割圖，其中每個(gè)像素點(diǎn)；而弱監(jiān)督方法中只有一部分像素點(diǎn)帶有標(biāo)注，會(huì)形成一個(gè)帶有不完整結(jié)果的分割圖，由于無標(biāo)注的像素點(diǎn)不能為學(xué)習(xí)過程提供有效信息，損失函數(shù)可以表示為，由于只有部分像素點(diǎn)有標(biāo)注，這個(gè)交叉熵?fù)p失通常被稱為局部交叉熵?fù)p失（partial cross-entropy，pCE）。
弱監(jiān)督標(biāo)注：基于點(diǎn)擊和基于描畫?
典型的弱監(jiān)督方法的動(dòng)機(jī)是通過更少的像素得到更多的采樣點(diǎn)，弱標(biāo)注的 數(shù)據(jù)有多邊形標(biāo)注、描畫標(biāo)注和邊界框標(biāo)注等，其中基于點(diǎn)擊和描畫的標(biāo)注具有以下優(yōu)點(diǎn)：1）標(biāo)注區(qū)域更小，帶有標(biāo)注的像素點(diǎn)通常是精準(zhǔn)可信的；2）標(biāo)注過程更加高效；3）目標(biāo)和其他區(qū)域的類別更好處理。
因此論文關(guān)注基于點(diǎn)擊和描畫的弱標(biāo)注數(shù)據(jù)。但是該論文提出的方法也能應(yīng)用在圖像級別的弱標(biāo)注數(shù)據(jù)，只需把 pCE 損失換成一個(gè)其他合適的損失函數(shù)。基于點(diǎn)擊（click- based）和基于描畫（scribble-based）的弱標(biāo)注數(shù)據(jù)如下圖所示。

門控 CRF 損失函數(shù)用于密集標(biāo)注任務(wù)?
論文希望在不引入任何先驗(yàn)知識的情況下減小弱監(jiān)督分割方法和強(qiáng)監(jiān)督分割方法的性能差距，而只使用 pCE 損失不能為邊界處提供更多的幫助，由此引入全連接條件長。首先定義為類別為 i 和 j 的位置 a 和 b 的能量項(xiàng)：

表示兩個(gè)點(diǎn)對的勢，μ 表示通用的類別矩陣，形狀為，后跟，在中，表示權(quán)重，是第 p 個(gè)核的特征向量，計(jì)算如下：

且：

通過能量項(xiàng)的定義和計(jì)算可以看出，給定特征相似度時(shí)如果兩個(gè)位置的類別不同則能量項(xiàng)值越小，而特征相似性度量是通過核的權(quán)重和頻帶計(jì)算得到的，也就是說一個(gè)核就是一個(gè)五維的顏色相似度。下圖是當(dāng) σRGB=0.1，σXY =12.0 時(shí)部分的計(jì)算結(jié)果：

然后計(jì)算位置 a 和 b 處的預(yù)測值的勢：

預(yù)測值的能量項(xiàng)是全連接條件隨機(jī)場的重點(diǎn)，門控 CRF 損失對齊進(jìn)行進(jìn)一步優(yōu)化，總結(jié)如下：
1.?表明能量項(xiàng)的計(jì)算排除了像素點(diǎn)自己給自己打標(biāo)簽的情況。有時(shí)候也想將一些其他位置的無關(guān)像素點(diǎn)排除，論文定義了一個(gè)和輸入圖像 x 大小相同的源掩碼，其中，即當(dāng)該位置為 1，則可以用于為其他位置計(jì)算勢，為 0 則不可以。
2. 能量和被認(rèn)為是所有位置 a∈[1,N] 能量的累加，這過于簡單。弱監(jiān)督任務(wù)中，可能有的點(diǎn)參與到當(dāng)前點(diǎn)的能量和計(jì)算時(shí)，會(huì)帶來負(fù)面影響。為了排除這些點(diǎn)的干擾，論文還設(shè)計(jì)了和輸入圖像 x 尺寸相同的目標(biāo)掩碼，值為 1 表示該像素點(diǎn)可以從其他位置的像素點(diǎn)接收能量，0 則不可以。
3. 對于一個(gè)固定的位置 a，在假定所有核都是高斯核且特征向量包含位置坐標(biāo)的時(shí)候，a 和 b 的勢會(huì)隨距離的增大而減小。當(dāng)監(jiān)督信號十分分散或微弱的時(shí)候，CRF 存在大量冗余計(jì)算，但這些計(jì)算對于捕獲像素點(diǎn)之間的聯(lián)系又非常關(guān)鍵，論文采用的方式是限制參與對位置 b 處像素點(diǎn)能量求和的范圍，使其只與鄰近位置 Ω(a) 計(jì)算能量。
為了實(shí)現(xiàn) 1 和 2，論文對 CRF 中能量項(xiàng)計(jì)算的公式進(jìn)行了調(diào)整使其支持門控信息：

其中，即門控函數(shù)，其能夠有選擇地進(jìn)行能量計(jì)算 {只有當(dāng) b 是有效的“源”位置且 a 是有效的“目標(biāo)”位置，位置 b 對于位置 a 的能量才能夠參與計(jì)算}。
為了實(shí)現(xiàn) 3，論文定義了一個(gè)窗口（位置 a 的半徑 r 區(qū)域）：

這樣能量和變?yōu)?#xff1a;

最終論文提出的門控 CRF 損失函數(shù)表示為：

這個(gè)損失對于最終損失的貢獻(xiàn)的權(quán)重為 λ，即：

實(shí)驗(yàn)分析

實(shí)驗(yàn)設(shè)置
該論文提出的方法并不依賴特定的架構(gòu)，實(shí)驗(yàn)選擇當(dāng)前語義分割效果最好的重量級語義分割模型 DeepLab-v3plus 作為 baseline。另外本文使用了 Pascal VOC2012 和 CityScapes 兩個(gè)數(shù)據(jù)集，由于缺少基于點(diǎn)擊和基于描畫的弱監(jiān)督數(shù)據(jù)，論文利用已有方法進(jìn)行生成，用于模型訓(xùn)練和實(shí)驗(yàn)結(jié)果比對，并且采用平均交并比（mIoU）作為評價(jià)指標(biāo)。
下列圖表結(jié)果中，鼠標(biāo)標(biāo)志表示訓(xùn)練數(shù)據(jù)是基于點(diǎn)擊的弱監(jiān)督數(shù)據(jù)，線條標(biāo)志表示訓(xùn)練數(shù)據(jù)是基于描畫的弱監(jiān)督數(shù)據(jù)，黑色實(shí)心方框表示訓(xùn)練數(shù)據(jù)是全監(jiān)督數(shù)據(jù)。
分割結(jié)果可視化
如下圖所示，從左到右前兩列為原始圖像和真實(shí)標(biāo)注，后三列分別為全監(jiān)督方法的分割結(jié)果，以及采用新型損失時(shí)，基于描畫標(biāo)注數(shù)據(jù)和基于點(diǎn)擊標(biāo)注數(shù)據(jù)的分割結(jié)果。

定量分析
在 VOC 數(shù)據(jù)集上與 SOTA 弱監(jiān)督方法的精度進(jìn)行對比，結(jié)果如下表所示，可以看到。在弱監(jiān)督方法中不論是基于點(diǎn)擊的弱監(jiān)標(biāo)注數(shù)據(jù)還是基于描畫的弱標(biāo)注數(shù)據(jù)，損失函數(shù)結(jié)合門控 CRF 損失都會(huì)大幅提升實(shí)驗(yàn)精度。具體地，分別將弱監(jiān)督下最好的平均交并比提升至 67.39%和 75.50%。

消融實(shí)驗(yàn)
源掩碼和目標(biāo)掩碼的影響?
下表中第一列表示損失函數(shù)只采用局部交叉熵?fù)p失（pCE），后三列都是門控 CRF 損失與局部交叉熵?fù)p失的結(jié)合，一次為不激活源掩碼和目標(biāo)掩碼，只激活源掩碼，同時(shí)激活源掩碼和目標(biāo)掩碼。

可以看到，門控 CRF 損失和源掩碼的激活能夠有效提升弱監(jiān)督數(shù)據(jù)的精度，但是激活目標(biāo)掩碼后，VOC 數(shù)據(jù)集上的精度反而有所降低，這是因?yàn)?VOC 數(shù)據(jù)集中一幅圖中的目標(biāo)實(shí)例較少，相應(yīng)的弱監(jiān)督數(shù)據(jù)質(zhì)量也較低，激活目標(biāo)掩碼弱化門控 CRF 損失必然會(huì)導(dǎo)致精度的下降。
而在 CityScapes 數(shù)據(jù)集中每幅圖通常包含多個(gè)目標(biāo)實(shí)例，能夠?yàn)?pCE 損失提供了有效支持，激活目標(biāo)掩碼會(huì)提升最終結(jié)果。由此論文指出，源掩碼是必須加入的，而目標(biāo)掩碼需要視數(shù)據(jù)集情況決定是否激活。
小有標(biāo)注像素輸入規(guī)模對最終結(jié)果的影響?
該實(shí)驗(yàn)結(jié)果來自基于點(diǎn)擊的弱監(jiān)督數(shù)據(jù)，[1×1] 和 [3×3] 分別表示基于點(diǎn)擊的數(shù)據(jù)中每次點(diǎn)擊的像素點(diǎn)數(shù)為 1 和 9，結(jié)果如下表所示：

可以看到只使用交叉熵?fù)p失時(shí)，VOC 數(shù)據(jù)集中每次點(diǎn)擊的像素點(diǎn)多比較有利，而結(jié)合門控 CRF 損失后，則消除了兩者的精度差距，表明結(jié)合門控 CRF 損失后對弱監(jiān)督的數(shù)據(jù)更加有利。而在 CityScapes 數(shù)據(jù)集中，實(shí)驗(yàn)結(jié)果均為明顯變化，可能是由于該數(shù)據(jù)集中包含更多的小尺度目標(biāo)，擴(kuò)大每次點(diǎn)擊繪制的像素點(diǎn)數(shù)可能會(huì)使當(dāng)前目標(biāo)覆蓋其他目標(biāo)從而影響精度。
不同鄰域范圍對實(shí)驗(yàn)精度的影響?
如下表所示，精度與并不隨鄰域范圍增加而一直增大，取 6 時(shí)效果最好。

不同損失權(quán)重的影響?
下表為不同權(quán)重的門控 CRF 損失對實(shí)驗(yàn)結(jié)果的影響。可以看到對于弱監(jiān)督數(shù)據(jù)，取 0.1 時(shí)得到最好精度效果，對于全監(jiān)督，取 0.15 時(shí)得到最好精度效果。而且隨著權(quán)重的變化，實(shí)驗(yàn)精度變化不大。

總結(jié)

該論文提出了一種簡單卻有效的損失函數(shù)用于弱監(jiān)督圖像語義分割模型的訓(xùn)練，使用標(biāo)準(zhǔn)交叉熵?fù)p失用于有標(biāo)注像素點(diǎn)，使用新型的門控 CRF 損失用于無標(biāo)注像素點(diǎn)。整個(gè)方法不需要額外的預(yù)處理或后處理，能夠端到端地訓(xùn)練。方法在基于點(diǎn)擊和基于描畫的弱監(jiān)督標(biāo)注數(shù)據(jù)中都取得了 SOTA 效果。?
綜合來看，該方法是將全連接條件隨機(jī)場用作損失函數(shù)的又一種嘗試，并且在常用的弱標(biāo)注數(shù)據(jù)上取得了較好的效果。通過大量的消融實(shí)驗(yàn)，為其他具體的弱監(jiān)督任務(wù)的數(shù)據(jù)標(biāo)注和損失函數(shù)選用指明了新的方向，期待代碼盡快開源。

點(diǎn)擊以下標(biāo)題查看更多往期內(nèi)容：?

#投 稿 通 道#

?讓你的論文被更多人看到?

如何才能讓更多的優(yōu)質(zhì)內(nèi)容以更短路徑到達(dá)讀者群體，縮短讀者尋找優(yōu)質(zhì)內(nèi)容的成本呢？答案就是：你不認(rèn)識的人。

總有一些你不認(rèn)識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學(xué)者和學(xué)術(shù)靈感相互碰撞，迸發(fā)出更多的可能性。?

PaperWeekly 鼓勵(lì)高校實(shí)驗(yàn)室或個(gè)人，在我們的平臺(tái)上分享各類優(yōu)質(zhì)內(nèi)容，可以是最新論文解讀，也可以是學(xué)習(xí)心得或技術(shù)干貨。我們的目的只有一個(gè)，讓知識真正流動(dòng)起來。

??來稿標(biāo)準(zhǔn)：

? 稿件確系個(gè)人原創(chuàng)作品，來稿需注明作者個(gè)人信息（姓名+學(xué)校/工作單位+學(xué)歷/職位+研究方向）?

? 如果文章并非首發(fā)，請?jiān)谕陡鍟r(shí)提醒并附上所有已發(fā)布鏈接?

? PaperWeekly 默認(rèn)每篇文章都是首發(fā)，均會(huì)添加“原創(chuàng)”標(biāo)志

? 投稿郵箱：

? 投稿郵箱：hr@paperweekly.site?

? 所有文章配圖，請單獨(dú)在附件中發(fā)送?

? 請留下即時(shí)聯(lián)系方式（微信或手機(jī)），以便我們在編輯發(fā)布時(shí)和作者溝通

?

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個(gè)推薦、解讀、討論、報(bào)道人工智能前沿論文成果的學(xué)術(shù)平臺(tái)。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺(tái)點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點(diǎn)擊 |?閱讀原文?| 下載論文

與50位技術(shù)專家面對面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的NeurIPS 2019 | 用于弱监督图像语义分割的新型损失函数的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。