CREAM：基于类别重激活映射的弱监督目标定位
计算机视觉与模式识别
2022-05-30 v1 人工智能
摘要
弱监督目标定位（WSOL）旨在利用图像级监督定位目标。现有工作主要依赖从分类模型导出的类激活映射（CAM）。然而，基于CAM的方法通常聚焦于目标最具判别性的部分（即不完整定位问题）。本文中，我们从经验上证明该问题与较弱判别性的前景区域和背景之间激活值的混合有关。为此，我们提出类别重激活映射（CREAM），一种基于聚类的新型方法以提升完整目标区域的激活值。为此，我们引入类别特定的前景与背景上下文嵌入作为聚类中心。开发了CAM引导的动量保持策略以在训练中学习上下文嵌入。在推理阶段，重激活映射被表述为高斯混合模型下的参数估计问题，可通过推导无监督期望最大化软聚类算法求解。通过将CREAM简单集成到多种WSOL方法中，我们的方法显著提升了其性能。CREAM在CUB、ILSVRC和OpenImages基准数据集上取得了最先进的性能。代码将发布于https://github.com/Jazzcharles/CREAM。
引用
@article{arxiv.2205.13922,
title = {CREAM: Weakly Supervised Object Localization via Class RE-Activation Mapping},
author = {Jilan Xu and Junlin Hou and Yuejie Zhang and Rui Feng and Rui-Wei Zhao and Tao Zhang and Xuequan Lu and Shang Gao},
journal= {arXiv preprint arXiv:2205.13922},
year = {2022}
}
备注
10 pages, CVPR 2022