用于弱监督目标定位的双重注意力聚焦模块
计算机视觉与模式识别
2019-09-12 v1
摘要
关于识别最具判别性区域的研究为仅使用图像级标注的弱监督目标定位提供了参考信息。然而，最具判别性的区域通常会掩盖物体的其他部分，从而阻碍整个物体的识别与定位。为解决该问题，提出双重注意力聚焦模块（DFM）以提升目标定位性能。具体而言，我们提出一个用于信息融合的双重注意力模块，其由位置分支与通道分支组成。在每个分支中，输入特征图被推导为增强图与掩码图，从而突出或隐藏最具判别性的部分。对于位置掩码图，我们引入一个聚焦矩阵对其进行增强，该矩阵利用了物体像素具有连续性的原理。在这两个分支之间，增强图与掩码图相整合，旨在部分补偿丢失的信息并使特征多样化。借助双重注意力模块与聚焦矩阵，整个物体区域可通过隐式信息被精确识别。我们在实验中展示了 DFM 的优越结果。特别地，DFM 在 ILSVRC 2016 与 CUB-200-2011 上的定位准确率达到了当前最优性能。
引用
@article{arxiv.1909.04813,
title = {Dual-attention Focused Module for Weakly Supervised Object Localization},
author = {Yukun Zhou and Zailiang Chen and Hailan Shen and Qing Liu and Rongchang Zhao and Yixiong Liang},
journal= {arXiv preprint arXiv:1909.04813},
year = {2019}
}
备注
8 pages, 6 figures and 4 tables