论文阅读：Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation
Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation
文章目录
摘要
弱监督语义分割，现有的目标区域挖掘方法，通常不考虑对象的大小，并且是一个单调的挖掘所有的对象区域的过程。
而大目标的挖掘区域的数量和规模不足，小目标的挖掘区域容易受到周围背景的污染。
本文针对此问题，提出一个 multi-miner 框架来执行区域挖掘过程，该过程能够自适应不同的目标大小，从而能够挖掘出更完整、更精细的目标区域。
Intruduction
该方法自适应地对不同对象，采取不同区域的挖掘步数，大目标挖掘步数多，小目标挖掘步数少。因此该方法比现有的方法挖掘的目标区域更完整、更精细。
自适应挖掘的关键在于何时停止或继续挖掘。这里利用了一个 parallel modulator，它可以简单地实现为 multi-label 分类器，通过检查每个对象是否含有剩余对象区域来控制挖掘过程。然后，modulator 指导 category-aware generator 去继续或停止对每个对象的区域挖掘。所以，每个对象的挖掘步数可以自适应它的大小。
区域挖掘过程中，由于叠加卷积层，使得输入图像的空间分辨率不能保持，因此在区域挖掘过程中不可避免地会包含一些背景。为了缓解这个问题，提出一个 multi-scale 训练策略。小尺寸的输入可以提供关于整个对象的全局信息，而大尺寸的输入提供关于细节的信息。
对上述的内容概况一下：
方法
object-adaptive region mining
