基于自步课程学习将显著性检测桥接至弱监督目标检测
计算机视觉与模式识别
2017-03-06 v1
摘要
弱监督目标检测（WOD）是计算机视觉中的一个挑战性问题。其关键问题在于，在仅给定带有弱图像级标签的训练图像的情况下，同时推断训练图像中目标的精确位置并训练目标检测器。直观上，通过模拟人类视觉系统的选择性注意机制，显著性检测技术能够选择场景中引人注目的对象，因此是为 WOD 提供有用先验的潜在途径。然而，将显著性检测应用于 WOD 的方式并非易事，因为在复杂情况下检测到的显著性区域可能具有高度歧义性。为此，本文首先全面分析了将显著性检测应用于 WOD 的挑战。然后，我们做出了最早的尝试之一，通过自步课程学习将显著性检测桥接至 WOD，该方法能够引导学习过程从易到难逐步获得对多类目标的可靠知识。实验结果表明，所提出的方法能够成功地将显著性检测与 WOD 任务桥接，并在弱监督下取得 SOTA 目标检测结果。
引用
@article{arxiv.1703.01290,
title = {Bridging Saliency Detection to Weakly Supervised Object Detection Based on Self-paced Curriculum Learning},
author = {Dingwen Zhang and Deyu Meng and Long Zhao and Junwei Han},
journal= {arXiv preprint arXiv:1703.01290},
year = {2017}
}
备注
Has published in IJCAI 16