用于弱监督目标定位的打包区域分类激活图
计算机视觉与模式识别
2022-07-19 v1
摘要
分类激活图（CAM）利用分类结构生成像素级定位图，是弱监督目标定位（WSOL）的关键机制。然而，CAM 直接使用在图像级特征上训练的分类器来定位物体，使其倾向于辨别全局判别性因子而非区域物体线索。因此，当将像素级特征输入该分类器时，仅判别性位置被激活。为解决此问题，本文阐述了一种称为 BagCAMs 的即插即用机制，以更好地将训练良好的分类器投影到定位任务上，而无需细化或重新训练基线结构。我们的 BagCAMs 采用所提出的区域定位器生成（RLG）策略来定义一组区域定位器，并随后从训练良好的分类器中导出它们。这些区域定位器可视为仅辨别区域级物体因子用于定位任务的基础学习器，其结果可由我们的 BagCAMs 有效加权以形成最终定位图。实验表明，采用我们提出的 BagCAMs 能大幅改进基线 WSOL 方法的性能，并在三个 WSOL 基准上取得最先进的性能。代码发布于 https://github.com/zh460045050/BagCAMs。
引用
@article{arxiv.2207.07818,
title = {Bagging Regional Classification Activation Maps for Weakly Supervised Object Localization},
author = {Lei Zhu and Qian Chen and Lujia Jin and Yunfei You and Yanye Lu},
journal= {arXiv preprint arXiv:2207.07818},
year = {2022}
}
备注
Accepted by ECCV 2022