Learning to Detect Semantic Boundaries with Image-Level Class Labels
본 논문은 이미지 수준의 클래스 레이블만을 사용하여 의미론적 경계 감지를 학습하는 방법을 제시합니다. 이미지 분류 네트워크의 주의 메커니즘으로 객체 클래스의 대략적 영역을 추정한 후, 서로 다른 클래스 영역을 연결하는 선분 위의 픽셀들을 다중 인스턴스 학습 문제로 공식화합니다. 불확실한 감독 신호에도 신뢰할 수 있는 경계 추정이 가능한 신경망 구조를 설계하여 의사 레이블을 생성하고, 이를 통해 학습된 최종 모델은 SBD 데이터셋에서 더 강한 감독으로 학습된 기존 방법들과 경쟁력 있는 성능을 달성합니다.