（ CVPR 2020｜中科院VIPL实验室 ）
1.要解决的问题：
基于类别标签的弱监督语义分割是一个具有挑战性的问题，类别响应图（class activation map，简称CAM）始终是这一领域的基础方法。但是由于强监督与弱监督信号之间存在差异，由类别标签生成的CAM无法很好地贴合物体边界。因为在强监督语义分割的数据增广阶段，像素层级标注和输入图像需经过相同的仿射变换，自此这种同变性约束被隐式地包含，而这种约束在只有类别标签的CAM的训练过程中是缺失的，类别标签没有变化，原数据data做了scale处理，因而会影响CAM的训练过程。
（CAM: 类别响应图，根据图像中的不同类别，来为图像中的不同物体打分，一般是前景图高分，后景图低分，以此来生成的热力图）
2.贡献：
1 .提出self-supervised equivariant attention mechanism （SEAM）模型，结合pixel correlation module(PCM) ,减少了全监督与弱监督的gap.
2.利用（ECR）loss 优化了孪生网络（两个相同网络共享权重）
3.在主流数据集PASCAL VOC 2012刷到了 state-of-the-art performance
3.解决方法：
PCM结构：
CAM 模块是kaiming 的Non-local 变体，这里的PCM是CAM的一个变体，去掉了残差连接，也去掉了g,ϕ，这里只使用了2个conv, 可以降低参数，意在防止过拟合。但仍保持和原始CAM相同的激活强度，使用ReLU和L1正则化去标记不相关的像素值，并且产生一个包含像素相关性的特征图。
PCM意在使得那些rescale后的图像，在弱监督训练时，仍能保证与原始图像拥有同样的信息（不会造成个别信息的丢失）。
SEAM结构：
孪生网络共享权重，对输入数据做不同的rescale，得到不同图像，再输入到网络中。
对于不同 transform 的数据，同时输入到孪生网络中，得到 y0（original）, yt(transformed)，再做后续的Loss计算。
网络的loss如下：
分类损失 Lcls, 使用了multi-label soft margin loss，Lcls是通过监督学习的方式来确定目标的位置。
通过一个全局平均池化层，生成向量Z0, Zt. l 是图像的类别标签，这个分类的loss计算在这两个分支上：
C类别数目， C-1是减去背景， lc 是第C个类别的label, z 是要预测的vector
The equivariant regularization (ER) loss:
A(.)任何特殊的变换 scale,
对网络处理后的数据y0在做transformed操作，与yt做L1正则化，目的是为了进一步缩小transformed后的数据与原始数据间的差异。
孪生网络是一个 shared-weight siamese structure，输出的两个分支的特征图共同保证CAM的一致性
equivariant cross regularization (ECR) loss:
一开始输入 y0， yt, 但训练很快陷入到局部最优，容易导致多数的像素点都只变为一类，所以最后设置成四个都输入，达到相互制约的目的。
4.实验：
在 PASCAL VOC 2012 dataset with 21 class annotations，20 foreground ob- jects and the background
1464 training
1449 validation
1456 testing
使用SBG（Semantic contours from inverse detectors）的annotations 增强数据到10582
实验结果：
