跨监督目标检测
计算机视觉与模式识别
2020-06-30 v2
摘要
在从图像级标注（无对象边界框）学习一个新对象类别后，人类在精确地对那些对象进行定位方面表现得非常出色。然而，构建良好的对象定位器（即检测器）目前需要昂贵的实例级标注。虽然已有一些关于从弱标注样本（仅有类别标签）学习检测器的工作，但这些检测器在定位上表现很差。在这项工作中，我们展示了如何通过利用从完全标注的基类别中学到的知识，从新类别的弱标注图像构建更好的对象检测器。我们将这种新颖的学习范式称为跨监督目标检测。我们提出了一个统一框架，该框架结合了从实例级标注训练的检测头与从图像级标注学习的识别头，以及一个弥合检测与识别之间差距的空间关联模块。这些贡献使我们能够在诸如 COCO 数据集的复杂多对象场景中，更好地以图像级标注检测新对象。
引用
@article{arxiv.2006.15056,
title = {Cross-Supervised Object Detection},
author = {Zitian Chen and Zhiqiang Shen and Jiahui Yu and Erik Learned-Miller},
journal= {arXiv preprint arXiv:2006.15056},
year = {2020}
}