第三届计图人工智能挑战赛：大规模无监督语义分割赛题（赛题二）baseline

简介

PASS是一种新的大规模无监督语义分割方法，包含四个步骤。1） 通过基于代理任务的自监督表征学习方法（即非对比的像素级表征对齐策略，和自深到浅的监督策略）训练随机初始化的模型，以学习形状和类别表征。在表征学习之后，我们获得所有训练图像的特征集。2） 通过基于像素注意力的聚类方法获得伪类别，并将生成的类别分配给每个图像像素。3） 用生成的伪标签对预训练的模型进行微调，以提高分割质量。4） 在推理过程中，LUSS模型将生成的标签分配给图像的每个像素，与有监督模型相同。

有关LUSS任务和ImageNet-S dataset的更多详细信息在项目页面和文章。

用法

我们在用法文档中给出了训练和推理的详细信息

引用

@article{gao2022luss,
  title={Large-scale Unsupervised Semantic Segmentation},
  author={Gao, Shanghua and Li, Zhong-Yu and Yang, Ming-Hsuan and Cheng, Ming-Ming and Han, Junwei and Torr, Philip},
  journal=TPAMI,
  year={2022}
}