분류 가중치의 한계
분류기의 가중치로 만든 활성화 지도는 판별력이 높은 특징에 집중할 수 있다. 이 연구는 그 외의 객체 특징도 명시적으로 포함하는 계산 방법을 제안했다.
지역 원형의 구성
분류 모델의 마지막 풀링을 제외하고 객체 범주의 모든 국소 특징을 군집화한다. 각 군집 중심을 객체의 여러 국소 의미를 대표하는 원형으로 사용한다.
유사도 지도의 결합
새 이미지의 풀링 전 특징을 각 원형과 비교해 여러 유사도 행렬을 얻는다. 이 행렬들을 하나의 열지도로 집계해 객체의 다양한 부분을 반영한다.
기존 분할 방식의 보완
MCTformer와 AMN 등의 기존 활성화 지도를 대체하는 방식으로 평가했다. PASCAL VOC와 MS COCO에서 약한 감독 의미 분할에 미치는 효과를 조사했다.
관련 문서
FickleNet / ReCAM / MCTformer / PPC 약한 감독 분할 / RIB 약한 감독 분할 / Puzzle-CAM