B. Adversarial Erasing

• CAM은 Classification을 위한 network에서 얻어지기 때문에 두드러진 특징(intra-category variations)을 가진 area에 의존한다. 즉 discriminative area에 부분에 정보가 집중된다.

• 이런 문제점을 해결하기 위해 정보가 집중되는 영역을 반복적으로 제거하여 CAM을 추출하여 object 전체에 대해 attention을 가지도록 학습하는 방법을 adversarial erasing 기법이라고 한다.

Fig. 99 AE-PSL architecture (Source: arXiv:1703.08448)

• 하지만 반복적으로 attention을 확장하게되면, object가 아닌 영역에까지 attention이 확장되어 정확도가 감소하는 문제가 발생한다.

• 본 chapter에서는 Adversarial Erasing를 이용한 weakly supervised segmentation 연구 결과를 리뷰한다.

  • Self-Erasing Network for Integral Object Attention, NeurIPS 2018

  • CGNet: Unlocking the Potential of Ordinary Classifier: Class-specific Adversarial Erasing Framework

  • Puzzle-CAM: Improved localization via matching partial and full features, ICIP 2021