Page 471 - 《软件学报》2025年第9期

4382 软件学报 2025 年第 36 卷第 9 期

监督的情况下 (显著图), 其结果与最新 SOTA 方法所得到的结果接近. 此外, 相比较于使用额外显著性监督的最
新 SOTA 方法 Mat-Label [35] , 本文方法在验证集和测试集上所得到的结果虽然与其具有差距, 但是仅相差 0.6% 和
2.1%. 进一步印证了本文方法的优越性.

表 6 本文方法与其他方法在 PASCAL VOC 2012 训练集上类激活图和伪标签比较结果 (%)

方法 会议 类激活图mIoU 伪标签mIoU 方法 会议 类激活图mIoU 伪标签mIoU
SC-CAM [8] CVPR 2020 50.9 63.4 AMR [20] AAAI 2022 56.8 69.7
SEAM [6] CVPR 2020 55.4 63.6 CLIMS [31] CVPR 2022 56.6 70.5
EDAM [32] CVPR 2021 52.8 68.1 AFA [22] CVPR 2022 52.6 68.7
AdvCAM [33] CVPR 2021 55.6 69.9 MCTformer [14] CVPR 2022 61.7 69.1
CPN [18] ICCV 2021 57.4 67.8 本文方法 － 63.6 70.5
[34]
PMM ICCV 2021 58.2 61.5

表 7 本文方法与其他方法在 PASCAL VOC 2012 验证集和测试集上分割结果比较 (%)

验证集 测试集 验证集 测试集
方法 会议 监督信息 方法 会议 监督信息
mIoU mIoU mIoU mIoU
EDAM [32] CVPR 2021 I+S 70.9 70.9 AMN [42] CVPR 2022 I 69.5 69.6
EPS [36] CVPR 2021 I+S 71.0 71.8 W-OoD [43] CVPR 2022 I 70.7 70.1
InferCAM [37] WACV 2022 I+S 70.8 71.8 SIPE [44] CVPR 2022 I 68.8 69.7
RCA [38] CVPR 2022 I+S 72.2 72.8 ViT-PCM [45] ECCV 2022 I 70.3 70.9
L2G [19] CVPR 2022 I+S 72.1 71.7 AEFT [46] ECCV 2022 I 70.9 71.7
Mat-Label [35] ICCV 2023 I+S 73.3 74.0 ToCo [23] CVPR 2023 I 69.8 70.5
SEAM [6] CVPR 2020 I 64.5 65.7 ACR [47] CVPR 2023 I 71.9 71.9
CDA [39] ICCV 2021 I 66.1 66.8 BECO [48] CVPR 2023 I 72.1 71.8
URN [40] AAAI 2022 I 69.5 69.7 CLIP-ES [29] CVPR 2023 I 71.1 71.4
MCTformer [14] CVPR 2022 I 71.9 71.6 LPCAM [30] CVPR 2023 I 72.6 72.4
ReCAM [41] CVPR 2022 I 68.5 68.4 OCR [49] CVPR 2023 I 72.7 72.0
CLIMS [31] CVPR 2022 I 69.3 68.7 本文方法 － I 72.7 71.9

同时, 图 7 给出了本文方法在验证集上的分割结果示例, 可以看出, 与 CLIP-ES 相比, 本文方法在分割物体的
细节处理方面表现更好, 如图 7 第 3 行中羊的腿部, 与 MCTformer 相比, 本文方法在分割物体的完整性方面表现
更好, 如图 7 第 1 行中马的身体.

(a) 原图 (b) MCTformer (c) CLIP-ES (d) Ours (e) 真实标签
图 7 PASCAL VOC 2012 验证集上的分割结果