EHSOD：基于 CAM 引导的级联精炼端到端混合监督目标检测
计算机视觉与模式识别
2020-02-19 v1
摘要
在完全标注数据上训练的目标检测器目前取得了最先进的性能，但需要昂贵的人工标注。另一方面，弱监督检测器的性能低得多，无法在实际场景中可靠使用。本文研究混合监督目标检测问题，旨在仅用有限量的完全标注数据训练高质量检测器，并充分利用带有图像级标签的廉价数据。最先进的方法通常提出一种迭代方法，在生成伪标签和更新检测器之间交替。这一范式需要仔细手动调节超参数以在每轮挖掘出好的伪标签，且相当耗时。为解决这些问题，我们提出 EHSOD，一种端到端混合监督目标检测系统，可在完全标注与弱标注数据上一次性训练。具体而言，基于两阶段检测器，我们提出两个模块以充分利用两类标签的信息：1）CAMRPN 模块旨在由类激活热力图引导寻找前景候选框；2）混合监督级联模块在兼容图像级数据的辅助头帮助下进一步精炼边界框位置与分类。大量实验证明了所提方法的有效性，且仅用 30% 完全标注数据便在多个目标检测基准上取得可比结果，例如在 COCO 上 37.5% mAP。我们将发布代码与训练好的模型。
引用
@article{arxiv.2002.07421,
title = {EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement},
author = {Linpu Fang and Hang Xu and Zhili Liu and Sarah Parisot and Zhenguo Li},
journal= {arXiv preprint arXiv:2002.07421},
year = {2020}
}
备注
Accepted by AAAI20