正确评估弱监督目标定位方法
计算机视觉与模式识别
2020-04-02 v2 机器学习
摘要
弱监督目标定位（WSOL）因承诺仅用图像级标签训练定位模型，近年来颇受欢迎。自类激活映射（CAM）这一开创性WSOL工作以来，该领域一直聚焦于如何扩展注意力区域以更广泛地覆盖目标并更好地定位它们。然而，这些策略依赖完全定位监督来验证超参数和进行模型选择，而这在原则上于WSOL设定下是不允许的。本文中，我们论证了WSOL任务在仅有图像级标签时是病态的，并提出了一种新的评估协议，其中完全监督仅限于一个不与测试集重叠的小型留出集。我们观察到，在我们的协议下，最近五种WSOL方法相较CAM基线并未取得重大改进。此外，我们报告现有WSOL方法尚未达到少样本学习基线，即验证时的完全监督被用于模型训练的情况。基于我们的发现，我们讨论了WSOL的一些未来方向。
引用
@article{arxiv.2001.07437,
title = {Evaluating Weakly Supervised Object Localization Methods Right},
author = {Junsuk Choe and Seong Joon Oh and Seungho Lee and Sanghyuk Chun and Zeynep Akata and Hyunjung Shim},
journal= {arXiv preprint arXiv:2001.07437},
year = {2020}
}
备注
CVPR 2020 camera-ready. First two authors contributed equally. Code: https://github.com/clovaai/wsolevaluation