由动作驱动的自弱监督目标检测
计算机视觉与模式识别
2019-04-04 v1
摘要
弱监督目标检测旨在减少训练检测模型所需的监督量。此类模型传统上仅从标注了目标类别而非目标边界框的图像/视频中学习。在我们的工作中，我们尝试不仅利用目标类别标签，还利用与数据相关联的动作标签。我们表明，图像/视频中描绘的动作可为关联目标的位置提供强线索。我们学习了依赖于动作的目标空间先验（例如，在“踢球”中“球”更靠近“人的腿”），并将该先验结合以同时训练联合目标检测与动作分类模型。我们在视频数据集和图像数据集上进行了实验以评估我们的弱监督目标检测模型的性能。在Charades视频数据集上，我们的方法在mAP上比当前最先进(SOTA)方法高出6%以上。
引用
@article{arxiv.1904.01665,
title = {Activity Driven Weakly Supervised Object Detection},
author = {Zhenheng Yang and Dhruv Mahajan and Deepti Ghadiyaram and Ram Nevatia and Vignesh Ramanathan},
journal= {arXiv preprint arXiv:1904.01665},
year = {2019}
}
备注
CVPR'19 camera ready