基于边界框的细化用于弱监督与无监督定位任务
计算机视觉与模式识别
2023-09-08 v1
摘要
已有研究表明，训练基于边界框的检测器网络能够提升弱监督与无监督方法的定位性能。此外，我们扩展了这一认识，证明这些检测器可用于改进原始网络，为进一步进展铺平道路。为此，我们在网络输出而非图像数据之上训练检测器，并施加合适的损失反向传播。我们的发现揭示，在“通过观看得知何物在何处”任务以及多种无监督目标发现方法中，短语定位得到了显著改进。我们的代码可在 https://github.com/eyalgomel/box-based-refinement 获取。
引用
@article{arxiv.2309.03874,
title = {Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks},
author = {Eyal Gomel and Tal Shaharabany and Lior Wolf},
journal= {arXiv preprint arXiv:2309.03874},
year = {2023}
}