用于弱监督目标定位的卷积空间变换网络
计算机视觉与模式识别
2020-12-03 v2 机器学习
摘要
弱监督目标定位是一项具有挑战性的任务，需要在学习目标外观的同时对其定位。最先进的方法通过复用标准 CNN 的架构，利用最后一层的激活图来定位目标。虽然这种方法简单且效果相对较好，但目标定位所依赖的特征与分类不同，因此在训练过程中需要专门的定位机制以提高性能。在本文中，我们提出了一种卷积的多尺度空间定位网络，可为感兴趣的目标提供准确的定位。在 CUB-200-2011 和 ImageNet 数据集上的实验结果表明，我们提出的方法在弱监督定位方面具有竞争力。
引用
@article{arxiv.1912.01522,
title = {Convolutional STN for Weakly Supervised Object Localization},
author = {Akhil Meethal and Marco Pedersoli and Soufiane Belharbi and Eric Granger},
journal= {arXiv preprint arXiv:1912.01522},
year = {2020}
}
备注
8 pages, 9 figures