導(dǎo)讀本文圍繞非完全監(jiān)督下的圖像分割方法最新綜述，講述用于解決“如何縮小弱監(jiān)督信號(hào)與密集預(yù)測(cè)之間的差距”的四種通用的啟發(fā)式先驗(yàn)。

前言

論文鏈接：https://arxiv.org/abs/2207.01223團(tuán)隊(duì)介紹：https://shenwei1231.github.io/上海交通大學(xué)人工智能研究院楊小康、沈?yàn)閳F(tuán)隊(duì)聯(lián)合華為田奇團(tuán)隊(duì)共同發(fā)布了非完全監(jiān)督（即標(biāo)簽有限）下的圖像分割方法最新綜述 “A Survey on Label-efficient Deep Segmentation： Bridging the Gap between Weak Supervision and Dense Prediction”。該工作由人工智能研究院沈?yàn)楦苯淌谥鞒郑陌?70余篇文獻(xiàn)，全面總結(jié)了不同類型的監(jiān)督標(biāo)簽在不同分割任務(wù)上的進(jìn)展情況：包括無(wú)監(jiān)督、弱監(jiān)督、半監(jiān)督、部分監(jiān)督、域遷移等多種設(shè)置下的語(yǔ)義、實(shí)例、全景分割問(wèn)題，并以統(tǒng)一視角--“如何縮小弱監(jiān)督信號(hào)與密集預(yù)測(cè)之間的差距”進(jìn)行分析，總結(jié)出用于解決這個(gè)問(wèn)題的四種通用的啟發(fā)式先驗(yàn)：① cross-label constraint （跨標(biāo)簽約束）；② cross-pixel similarity（跨像素相似性）；③ cross-view consistency（跨視圖一致性）；④ cross-image relation（跨圖像關(guān)系）。

▲不同模態(tài)的數(shù)據(jù)會(huì)被分別經(jīng)過(guò)“連續(xù)向量路徑”和“離散詞路徑”，分別為連續(xù)向量和離散詞向量作為其的特征；最終的特征為二者的向量和。

背景與問(wèn)題

圖像分割是計(jì)算機(jī)視覺(jué)領(lǐng)域最古老最廣泛的研究任務(wù)之一。它的目標(biāo)是對(duì)給定的圖像來(lái)生成密集的預(yù)測(cè)，根據(jù)預(yù)測(cè)的類型決定具體的分割方向，例如：給每個(gè)像素分配一個(gè)預(yù)定義的類別標(biāo)簽為語(yǔ)義分割；為每個(gè)像素預(yù)測(cè)一個(gè)對(duì)象實(shí)例標(biāo)簽為實(shí)例分割；或前兩者的預(yù)測(cè)結(jié)果的組合為全景分割。無(wú)論哪種具體分割方向，其都能使語(yǔ)義相似的像素組成有意義的概念，如動(dòng)態(tài)對(duì)象（人、貓、球等）和靜態(tài)物體（道路、天空、水等）。在過(guò)去的近十年里，深度學(xué)習(xí)的出現(xiàn)極大地帶動(dòng)了圖像分割領(lǐng)域的研究進(jìn)展，特別是隨著全卷積網(wǎng)絡(luò)（FCN）的發(fā)展，諸如DeepLab系列，Mask RCNN系列等方法憑借卷積網(wǎng)絡(luò)強(qiáng)大的密集特征表征能力以及獨(dú)特的設(shè)計(jì)在圖像分割領(lǐng)域大放異彩，取得了非常好的分割效果。然而這些方法也存在著一個(gè)共同的缺點(diǎn)，即往往分割效果與具有可用的密集標(biāo)注的圖像的數(shù)量是成正比的，對(duì)像素級(jí)的標(biāo)簽的需求量非常大。但是人為地給每一張圖像做像素級(jí)的標(biāo)注卻非常地耗費(fèi)時(shí)間與精力，這不僅限制了深度學(xué)習(xí)的進(jìn)一步發(fā)展，而且限制了圖像分割在真實(shí)工業(yè)場(chǎng)景中的應(yīng)用。近年來(lái)，設(shè)計(jì)基于非完全監(jiān)督信號(hào)來(lái)減少對(duì)密集標(biāo)簽依賴的分割方法越來(lái)越受到關(guān)注，非完全監(jiān)督下的圖像分割方法的數(shù)量呈爆發(fā)式增長(zhǎng)，由于缺少對(duì)這些方法進(jìn)行系統(tǒng)地歸納總結(jié)，這給研究者學(xué)習(xí)跟進(jìn)最新研究進(jìn)展帶來(lái)不小的挑戰(zhàn)。 然而，目前僅有個(gè)別幾篇相關(guān)的調(diào)研論文，且它們僅僅關(guān)注于一個(gè)特定的分割任務(wù)，并僅包含個(gè)別類型的弱標(biāo)簽，無(wú)法做到全面的總結(jié)。

本文工作

本文研究人員旨在提供一個(gè)面向于非完全監(jiān)督下圖像分割領(lǐng)域的全面的綜述，分析語(yǔ)義分割、實(shí)例分割、全景分割三類使用弱監(jiān)督信號(hào)（標(biāo)簽）來(lái)解決分割問(wèn)題的方法之間的統(tǒng)一性與關(guān)聯(lián)性。為了達(dá)到該目的，研究人員需要想好兩個(gè)問(wèn)題：

如何對(duì)這些方法建立合適分類與關(guān)聯(lián)？

如何從統(tǒng)一的角度總結(jié)這些方法所使用的策略？

研究人員注意到，弱標(biāo)簽的類型是設(shè)計(jì)非完全監(jiān)督圖像分割方法的關(guān)鍵，決定了可用信息的多少，因此試圖從弱標(biāo)簽信號(hào)差異的角度來(lái)回答上述兩個(gè)問(wèn)題。針對(duì)第一個(gè)問(wèn)題，本綜述首先總結(jié)出層次化的非完全監(jiān)督信號(hào)的分類，具體類型包括如下所示：

無(wú)監(jiān)督信號(hào)：即訓(xùn)練集中的圖像沒(méi)有任何標(biāo)注信號(hào)（圖 2a）。

粗粒度監(jiān)督信號(hào)：即訓(xùn)練集中的圖像有標(biāo)注信號(hào)，但這些信號(hào)不是像素級(jí)的，無(wú)法為每一個(gè)像素提供類別信息或者實(shí)例信息。（圖2b）在該類型下主要包括：

圖像級(jí)別的標(biāo)注

檢測(cè)框級(jí)別的標(biāo)注

涂鴉級(jí)別的標(biāo)注

不完全監(jiān)督信號(hào)：即訓(xùn)練集中的一部分圖像有像素級(jí)的標(biāo)注信號(hào)（圖2c）。在該類型下主要包括：

半監(jiān)督標(biāo)簽，即屬于同域的另一部分圖像沒(méi)有任何標(biāo)簽

特定域的標(biāo)簽，即另一部分圖像屬于另一個(gè)域，其沒(méi)有任何標(biāo)注

部分密集標(biāo)簽，即屬于同域的另一部分圖像有檢測(cè)框級(jí)別的弱標(biāo)注

帶噪監(jiān)督信號(hào)：即有像素級(jí)別的標(biāo)注，但是這些標(biāo)注并不一定全部準(zhǔn)確（圖 2d）。

根據(jù)這些分類，再結(jié)合不同的任務(wù)類型，整理出來(lái)了如圖 1 所示的分類表，也標(biāo)注了不同任務(wù)不同標(biāo)簽類型下已有的代表性工作和待開發(fā)的領(lǐng)域。

▲圖2. 每一種弱監(jiān)督信號(hào)的示意圖。第一列為完全密集監(jiān)督信號(hào)的例子。針對(duì)第二個(gè)問(wèn)題，本綜述結(jié)合不同弱監(jiān)督信號(hào)之間的關(guān)聯(lián)以及對(duì) 170 余篇論文進(jìn)行歸納提煉后，總結(jié)出了四種通用的啟發(fā)式先驗(yàn)：

cross-label constraint，即跨標(biāo)簽約束：弱標(biāo)簽與密集標(biāo)簽之間具有一些約束關(guān)系，如給定圖像的類別標(biāo)簽，我們可以知道圖中必有至少一個(gè)像素屬于該類別。

cross-pixel similarity，即跨像素相似性：具有諸如顏色，紋理，高層次特征相似性的像素點(diǎn)很可能是同類像素或者同對(duì)象像素。

cross-view consistency，即跨視圖一致性：同一張圖的不同的視角具有強(qiáng)關(guān)聯(lián)性/預(yù)測(cè)一致性。

cross-image relation，即跨圖像關(guān)系：不同圖像中屬于同一類別的實(shí)例具有相同的語(yǔ)義關(guān)系。

通過(guò)下列表1的代表性方法的核心做法歸納中可以看到，在各種監(jiān)督信號(hào)/各種任務(wù)下，這四種先驗(yàn)貫穿每一種任務(wù)設(shè)定，證明了本綜述總結(jié)的啟發(fā)式先驗(yàn)具有通用性。

▲表1. 多種弱監(jiān)督信號(hào)下的圖像分割代表性工作。

▲表2. 統(tǒng)一的數(shù)學(xué)描述。本綜述幾乎對(duì)各章節(jié)部分（即某種監(jiān)督信號(hào)下的某個(gè)任務(wù)）都總結(jié)了一個(gè)具有概括性的流程圖，便于研究人員明確當(dāng)前已有工作的入手點(diǎn)與研究路線，如圖 3 所示。

▲圖3. 部分論文圖示預(yù)覽

總結(jié)

本綜述對(duì)現(xiàn)有不完全監(jiān)督下的圖像分割方法進(jìn)行了歸納總結(jié)，同時(shí)也分析了未來(lái)的潛在研究方向，包括：

結(jié)合文本監(jiān)督的零樣本圖像分割。 多模態(tài)技術(shù)是未來(lái)的主流方向，也更貼近人的認(rèn)知系統(tǒng)。從文本中獲得一定的語(yǔ)義信息可以更好的幫助新類別的識(shí)別與分割，利于零樣本任務(wù)的發(fā)展。

利用 Transformer 特性的不完全監(jiān)督圖像分割方法。 當(dāng)前大部分方法還是基于卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的，爆火的 Transformer 在不完全監(jiān)督下的圖像分割領(lǐng)域目前還沒(méi)有被探索，許多 Transformer 特性可能對(duì)該任務(wù)具有更有力的優(yōu)勢(shì)。

還未開拓的利用其他不完全監(jiān)督信號(hào)的方案。 如圖 1 所示，這里依然有很多方向還沒(méi)有被探索，如帶噪監(jiān)督信號(hào)下的實(shí)例分割等，研究者可以發(fā)掘更多合理的任務(wù)設(shè)置，充分利用現(xiàn)有的具有多種標(biāo)注類型的數(shù)據(jù)集。

原文標(biāo)題：綜述｜上海交大&華為：非完全監(jiān)督下基于深度學(xué)習(xí)的圖像分割方法

文章出處：【微信公眾號(hào)：新機(jī)器視覺(jué)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。