@techreport{oai:ipsj.ixsq.nii.ac.jp:00231953,
 author = {藤森, 和泉 and 大野, 将樹 and 獅々堀, 正幹},
 issue = {31},
 month = {Jan},
 note = {画像レベルのクラスラベルのみを用いる弱教師あり領域分割（Weakly-Supervised Semantic Segmentation: WSSS）において，CNN に基づくクラス活性化マップ（Class Activation Map:CAM）はオブジェクトの最も識別性の高い局所的な領域を活性化する問題がある．一方，Transformer に基づく手法は大域的特徴を学習するが，背景ノイズが混入する問題がある．本稿では Conformer に基づく WSSS の既存手法 TransCAM が attention weight 由来の背景ノイズを含むという予備実験の結果に基づき，attention weight の背景ノイズの問題に取り組む．この問題点に対処するために，本手法では attention map と CAM により生成される TransCAM を損失関数に入力して学習することで，背景ノイズを軽減する手法を提案する．提案手法では背景ノイズが減少し，疑似ラベルの精度が向上することが確認された．実験において本モデルは，PASCAL VOC 2012 検証データで 70.5%，テストデータで 71.1%，MS COCO 2014 データで 45.9% と，TransCAM より領域分割精度が向上することがわかった．},
 title = {弱教師あり領域分割のためのAttention Mapの背景ノイズ抑制},
 year = {2024}
}