谢新林，尹东旭，续欣莹，刘晓芳，罗臣彦，谢 刚，

(1.太原科技大学 电子信息工程学院，太原 030024；2.先进控制与装备智能化山西省重点实验室，太原 030024；3.太原理工大学 电气与动力工程学院，太原 030024)

图像语义分割旨在自动识别图像中每一个像素的类别标签，是计算机视觉领域的一个基础研究问题，具有非常重要的理论研究价值。相比于单一的图像处理任务，图像语义分割能够同时实现对目标的分割和识别，可以为后续的图像分析和理解等视觉任务提供细粒度和高层次的语义信息。作为近几年计算机视觉领域的热点研究问题之一，图像语义分割还具有广泛的应用前景和重大的社会意义，是自动驾驶、机器人感知、3D城市建模、无人机应用、智能交通、智能医疗和遥感影像分析等应用场景的核心技术[1-3]。

近年来，受益于像素级标签标注的训练数据和深度卷积神经网络(deep convolutional neural network，DCNN)模型的广泛应用，图像语义分割方法的识别精度获得了显著的提高[4-5]。然而，基于深度卷积神经网络的图像语义分割方法依赖于大规模精细到像素粒度的训练数据。这种费时费力和高代价的大规模像素级标签标注工作严重制约了图像语义分割性能的进一步提升和实际应用的可扩展性。为了解决上述不足和局限性，基于图像级标签的弱监督图像语义分割受到了众多研究人员的关注，并成为近几年计算机视觉领域的一个热点研究课题。

图像级标签标注仅需要给出场景图像中存在的具体目标类别信息，并不需要指出目标类别在图像中的位置信息。……