基于双阈值热图引导的提议聚类与负确定性监督的增强基线网络用于弱监督目标检测
计算机视觉与模式识别
2026-05-27 v3
摘要
弱监督目标检测（Weakly Supervised Object Detection, WSOD）近年来因不需框级标注而受到广泛关注。现有方法通常采用多模块网络，采用WSDDN作为多实例检测网络模块，并使用多个实例细化模块来提升性能。然而，这些方法存在三个关键局限性：其一，现有方法倾向于生成的伪GT框要么只关注判别性部件，无法捕获整个目标，要么覆盖整个目标但无法区分相邻的同类实例。其二，基础WSDDN架构缺乏每个提议的背景类别表示，其分支之间存在较大的语义鸿沟。其三，先前方法在优化过程中丢弃被忽略的提议，导致收敛缓慢。为解决这些挑战，我们提出了一种基于双阈值热图引导的提议聚类与负确定性监督的增强基线网络方法（DANCE method），用于WSOD。具体而言，我们首先设计了一种热图引导的提议选择器（HGPS）算法，利用热图上的双阈值预筛选提议，使伪GT框既能捕获完整目标范围，又能区分相邻的同类实例。随后，我们构建了弱监督基本检测网络（WSBDN），为每个提议增添背景类别表示，并利用热图进行预监督，以弥合矩阵之间语义鸿沟。最后，我们在被忽略的提议上引入负确定性监督（NCS）损失，以加速收敛。在对抗性PASCAL VOC和MS COCO数据集上的大量实验表明，我们方法的有效性和优越性。我们的代码已公开于https://github.com/gyl2565309278/DANCE。
引用
@article{arxiv.2509.08289,
title = {Dual-Thresholded Heatmap-Guided Proposal Clustering and Negative Certainty Supervision with Enhanced Base Network for Weakly Supervised Object Detection},
author = {Yuelin Guo and Haoyu He and Zhiyuan Chen and Zitong Huang and Renhao Lu and Lu Shi and Zejun Wang and Weizhe Zhang},
journal= {arXiv preprint arXiv:2509.08289},
year = {2026}
}
备注
IEEE TIP Minor Revision