计算机工程与应用

作者：段苛苛, 晏泽, 王海浪

单位：辽宁大学 信息学部，沈阳 110036；

关键词：语义分割,弱监督,图像级标签,类激活图,联合网络

基金：辽宁省科学技术计划面上项目（2023MS139）。

近年来，利用图像级标签作为监督信号的弱监督语义分割在计算机视觉领域受到了广泛的关注。大多数现有方法由类激活图（class activation map，CAM）生成伪标签来促进监督学习过程。然而，受限于卷积神经网络（convolutional neural network，CNN）的局部模式检测特性，通过CNN训练得到的CAM往往仅聚焦于物体中最具判别性的部分，导致前景-背景区分不够明确。提出一个弱监督语义分割联合网络CTsegnet来提高初始CAM的准确性，它通过融合CNN和Transformer的特征图，深度提取上下文语义信息，并结合所设计的像素亲和力模块，利用邻域像素相似性约束来实现预测细化。在PASCAL VOC 2012和MS COCO 2014数据集上的实验结果表明，该方法的mIoU指标分别达到了73.5%和46.1%，优于当前主流的弱监督分割方法。

来源：2026年第3期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第3期