国网信通亿力科技有限责任公司 席 勒 兴业银行股份有限公司 李良御

近年来，注意力机制已经成为神经网络领域中一个重要的概念，被广泛地应用于自然语言处理、语音识别以及图像解释等任务中。注意力机制类似于人类视觉的观察机制，关注于从大量的数据中寻找当前任务的关键信息，改善神经网络中有效特征的提取。

目前，大量的基于图像级标签的弱监督语义分割方法中，使用神经网络的图像注意力机制定位目标的种子区域，并结合扩充算法寻找完整的目标掩膜(mask)。例如，在SEC 算法中提出种子定位、种子扩张以及边界限制三种损失函数，旨在从注意力定位区域逐渐寻找完整的分割掩膜[1]。在DSRG 算法中提出运用经典种子生长分割算法，产生从初始定位区域逐渐覆盖于全图像的分割掩膜[2]。然而，现有的图像级监督的语义分割方法，由于缺少精确的空间定位信息，通常会在边缘处存在粗糙的分割结果。

受到种子定位思路的启发，本文提出超像素相似性传递的弱监督语义分割算法设计。如图1所示，以图像注意力机制为基础定位目标种子区域，并引入随机游走算法以超像素块的形式传递种子区域的相似性。本文通过边缘检测器寻找不同物体之间的边缘线索，生成具有相同语义集合的超像素块区域，并使用超像素块代替像素点作为图像基本单位扩张种子区域，保证了局部区域的相同语义特征。同时，在传递相似性特征过程中，将随机游走结果以超像素的方式融合，提升了算法的准确性和鲁棒性。……