labelGo：基于 YOLOv5 的辅助标注工具

主要观点总结

该文章介绍了只需要通过标注包围框进行图像分割训练的新系统Box2Seg。该系统采用弱监督学习方法，仅使用边界框训练数据来学习图像分割。文章还描述了系统的架构、训练方法以及实验成果。

关键观点总结

关键观点1: 新的弱监督系统Box2Seg的实现原理

Box2Seg仅使用边界框训练数据，通过弱监督学习的方式进行图像分割的训练。该系统采用三个卷积神经网络，包括目标分割网络和两个辅助网络。其中，辅助网络包括嵌入网络和特定标签注意力网络，它们共同协助目标分割网络的训练。

关键观点2: Box2Seg系统的性能表现

在实验中，Box2Seg系统在度量指标mIoU上比以前的弱监督系统有所提高。当在完全分割的数据上进行微调时，其性能改进更加显著。此外，即使在没有完全分割的训练数据的情况下，Box2Seg的弱监督训练仍然有用。

关键观点3: Box2Seg与其他系统的比较

实验表明，仅使用边界框训练数据的Box2Seg比使用完全分割训练数据的其他12个系统表现得更好。这证明了弱监督学习在图像分割任务中的有效性。