弱监督目标定位的评估：协议、指标与数据集
计算机视觉与模式识别
2021-12-08 v2
摘要
弱监督目标定位(WSOL)因仅用图像级标签训练定位模型的前景而近年受到关注。自类激活映射(CAM)这一开创性 WSOL 工作以来，该领域聚焦于如何扩展注意力区域以更广泛地覆盖并更好定位目标。然而，这些策略依赖完整定位监督来验证超参数与模型选择，而这在 WSOL 设定下原则上是不允许的。本文中，我们主张 WSOL 任务在仅有图像级标签时是不适定的，并提出一种新评估协议，其中完整监督仅限于不与测试集重叠的一小部分留出集。我们观察到，在该协议下，最近五种 WSOL 方法相较 CAM 基线并无重大改进。此外，我们报告现有 WSOL 方法尚未达到少样本学习基线，后者将验证时的完整监督用于模型训练。基于我们的发现，我们讨论了 WSOL 的一些未来方向。
引用
@article{arxiv.2007.04178,
title = {Evaluation for Weakly Supervised Object Localization: Protocol, Metrics, and Datasets},
author = {Junsuk Choe and Seong Joon Oh and Sanghyuk Chun and Seungho Lee and Zeynep Akata and Hyunjung Shim},
journal= {arXiv preprint arXiv:2007.04178},
year = {2021}
}
备注
TPAMI submission. First two authors contributed equally. This is a journal extension of our CVPR 2020 paper arXiv:2001.07437. Code: https://github.com/clovaai/wsolevaluation