随着科技的发展,人工智能已经步入我们的日常生活,如在自动驾驶,智能机器人,医学影像分析等领域被广泛应用。图像语义分割是人工智能领域的一个热点和难点,其目的是为图像中每一个像素分配一个标签。目前,由于缺少大规模的像素级标签数据集,限制了图像语义分割的进一步发展。因此,研究者将目光转向弱监督图像语义分割,用易获得的弱监督信息代替难获取的像素级标签去训练语义分割模型。其中,图像级标签在弱监督信息中最为简单,不仅标注耗时少,而且易获取大量的数据。近年来,基于图像级标签的弱监督图像语义分割方法蓬勃发展。然而,图像级标签提供的监督信息只有图像中是否存在某一目标,与精确的像素级标签有着很大的鸿沟,因此基于图像级标签的弱监督图像语义分割面临着很多的挑战:(1)图像级标签过于粗糙,缺少对目标的位置和边界信息描述,无法直接进行图像分割模型训练。(2)由于图像背景复杂,难以对目标进行充分的区分并分割,这是整个弱监督图像语义分割共同的难题。(3)当下基于深度学习的弱监督语义分割模型,过分关注目标的显著性区域,导致目标分割不完整。本文针对以上问题进行了的研究,具体贡献如下:(1)针对图像级标签缺少目标的具体位置信息,可以由Faster R-CNN目标检测器在图像级标签下生成目标物体框,但是Faster R-CNN提供的目标物体框比较模糊,难以完整的包含目标,因此本文提出一种优化物体框的方法。首先对图像进行超像素分割,对于不规则的超像素,利用双线性插值算法将超像素变形为统一大小,并提取方向梯度直方图(Histogram of oriented gradient,Hog)特征。接着建立区域邻接图,每一个顶点代表一个超像素,通过广度优先遍历算法(Breadth First Search,BFS)遍历邻接矩阵,随后结合Hog特征寻找物体框外属于目标的超像素,得到优化后的物体框。最后使用Grabcut算法对优化后的物体框内的目标进行分割。实验结果表明,该方法在PASCAL VOC 2012和MSRC-21数据集上的性能优于某些方法。(2)针对当下大多数基于深度学习的弱监督语义分割模型过分关注目标的显著性区域,导致语义分割结果不佳,我们给出了MDCDSRG(Multi-Dilated Convolutional Deep Seed Region Growing,MDCDSRG)方法。具体来说,针对DSRG(Deep Seed RegionGrowing,DSRG)算法提供的种子点稀疏且只关注目标的判别区域,我们在多标签的分类网络中间层加上不同扩张率的空洞卷积,可以获得多尺度的目标定位图,然后将这些目标定位图聚合成一张定位图,即种子点。该种子点包含目标的判别区域以及周围相关的区域,这些区域比同等的技术生成的种子点更大更密集,从而改善初始种子点总是小而稀疏的问题。最后将获得的种子点进行深度种子点生长以完成图像语义分割。实验结果表明,该方法在PASCAL VOC 2012数据集分割精度为62.7%,优于最近的同类方法。