文章采用了多实例学习（MIL）机制构建图像标签同像素语义的关联。该方法的训练样本包含了70万张来自ImageNet的图片，但其语义分割的性能很大程度上依赖于复杂的后处理过程，主要包括图像级语义的预测信息、超像素平滑策略、物体候选框平滑策略和MCG分割区域平滑策略。下图是论文所用方法的一般性说明：（1）使用来...