DAP：基于弱监督的检测感知预训练
计算机视觉与模式识别
2021-04-01 v1
摘要
本文提出一种检测感知预训练（DAP）方法，其仅利用弱标记的分类风格数据集（如 ImageNet）进行预训练，但专门定制以惠及目标检测任务。与广泛使用的基于图像分类的预训练（如在 ImageNet 上）不同——后者不包含任何位置相关训练任务——我们通过基于类激活图的弱监督目标定位方法将分类数据集转换为检测数据集，以直接预训练一个检测器，使预训练模型具备位置感知能力并能预测边界框。我们表明，在包括 VOC 和 COCO 在内的下游检测任务中，DAP 在样本效率和收敛速度两方面均优于传统分类预训练。特别地，当下游任务中样本数量较少时，DAP 大幅提升了检测精度。
引用
@article{arxiv.2103.16651,
title = {DAP: Detection-Aware Pre-training with Weak Supervision},
author = {Yuanyi Zhong and Jianfeng Wang and Lijuan Wang and Jian Peng and Yu-Xiong Wang and Lei Zhang},
journal= {arXiv preprint arXiv:2103.16651},
year = {2021}
}
备注
To appear in CVPR 2021