弱标记图像中目标定位的贝叶斯联合建模
计算机视觉与模式识别
2017-06-20 v1
摘要
我们致力于解决在具有弱标签的图像和视频中将目标定位为边界框的问题。过去，该弱监督目标定位问题通常使用判别模型来处理，其中每个目标类别的定位独立于其他类别。本文提出了一种基于贝叶斯联合主题建模的新颖框架，该框架与现有框架有显著不同，体现在：(1) 所有前景目标类别在一个单一的生成模型中联合建模，该模型编码了多个目标共存的情况，从而使“解释消除”（explaining away）推理能够解决歧义并带来更好的学习与定位效果。(2) 图像背景在各类之间共享，以更好地学习多变的环境并“推出”感兴趣的目标。(3) 我们的模型可以使用弱标记和未标记数据的混合进行学习，从而能够利用互联网上大量未标记图像进行学习。此外，贝叶斯公式允许利用各种类型的先验知识来弥补弱标记数据提供的有限监督，并支持用于迁移学习的贝叶斯域适应。在 PASCAL VOC、ImageNet 和 YouTube-Object 视频数据集上的大量实验证明了我们的贝叶斯联合模型在弱监督目标定位中的有效性。
引用
@article{arxiv.1706.05952,
title = {Bayesian Joint Modelling for Object Localisation in Weakly Labelled Images},
author = {Zhiyuan Shi and Timothy M. Hospedales and Tao Xiang},
journal= {arXiv preprint arXiv:1706.05952},
year = {2017}
}
备注
Accepted in IEEE Transaction on Pattern Analysis and Machine Intelligence