面向弱监督目标检测与定位的深度学习：综述
计算机视觉与模式识别
2021-05-27 v1
摘要
弱监督目标检测（WSOD）与定位（WSOL），即利用图像级标签在图像中以边界框检测多个和单个实例，是计算机视觉（CV）领域中长期存在且具挑战性的任务。随着深度神经网络在目标检测中的成功，WSOD 与 WSOL 均获得了前所未有的关注。在深度学习时代，已提出数百种 WSOD 与 WSOL 方法及众多技术。为此，本文将 WSOL 视为 WSOD 的子任务，并对 WSOD 近期成果进行全面综述。具体而言，我们首先描述 WSOD 的 formulation 与设定，包括背景、挑战、基本框架。同时，我们总结并分析所有用于提升检测性能的高级技术与训练技巧。随后，介绍 WSOD 广泛使用的数据集与评估指标。最后，讨论 WSOD 的未来方向。我们相信这些总结有助于为 WSOD 与 WSOL 的未来研究铺路。
引用
@article{arxiv.2105.12694,
title = {Deep Learning for Weakly-Supervised Object Detection and Object Localization: A Survey},
author = {Feifei Shao and Long Chen and Jian Shao and Wei Ji and Shaoning Xiao and Lu Ye and Yueting Zhuang and Jun Xiao},
journal= {arXiv preprint arXiv:2105.12694},
year = {2021}
}
备注
13 pages, 4 figures