###### tags: `2022Q1技術研討`, `detection`
# Causal Intervention for Weakly Supervised Semantic Segmentation

### 前導知識
CAM(Class Activation Map)
了解一個執行圖像分類任務的 CNN 在它自身的網路裡是因為看重照片中的哪一個區域



https://medium.com/ai-academy-taiwan/%E4%BA%86%E8%A7%A3-cnn-%E9%97%9C%E6%B3%A8%E7%9A%84%E5%8D%80%E5%9F%9F-cam-%E8%88%87-grad-cam-%E7%9A%84%E4%BB%8B%E7%B4%B9%E5%88%86%E4%BA%AB-2206dd1017c8

### 因果推論和干預


從這個例子來看，會有性別服藥比例不同的混雜因子存在
這個時候就要發動因果干預，後門準則
- 後門準則 满足：
- Z中没有X的後代節點。
- 以Z为條件阻斷所有X和Y之間的後門路徑，Z满足關於(X,Y)的後門準則




https://blog.csdn.net/ms961516792/article/details/115872083

### Introduction

動機:Segmentation標註非常耗人力，希望從week label(Bounding Box、Scribble、Point、**Image-level class label**)

- pipeline

但是只用Image-level class label去推 pseudo-Mask通常是很不準的


那要怎麼做到 P(sofa∣do(X)) ??

### Method

X: input image
C: class-specific average mask
M: imagespecific representation using the contextual from C
Y: labels





### Experiments