用于弱监督目标定位的基于注意力的丢弃层
计算机视觉与模式识别
2019-08-28 v1
摘要
弱监督目标定位（WSOL）技术仅使用图像级标签学习目标位置，无需位置标注。这些技术的一个常见局限是仅覆盖目标最具判别性的部分，而非整个目标。为解决此问题，我们提出一种基于注意力的丢弃层（ADL），其利用自注意力机制处理模型的特征图。所提方法由两个关键组件构成：1）从模型中隐藏最具判别性的部分以捕获目标的整体范围，以及 2）高亮信息区域以提升模型的识别能力。基于大量实验，我们证明了所提方法能有效提升 WSOL 的准确率，在 CUB-200-2011 数据集上实现了新的最先进定位精度。我们还表明，就参数与计算开销而言，所提方法比现有技术高效得多。
引用
@article{arxiv.1908.10028,
title = {Attention-based Dropout Layer for Weakly Supervised Object Localization},
author = {Junsuk Choe and Hyunjung Shim},
journal= {arXiv preprint arXiv:1908.10028},
year = {2019}
}
备注
CVPR 2019 (Oral)