弱监督目标定位的改进技术
计算机视觉与模式识别
2018-05-11 v2
摘要
我们提出了一种用于弱监督目标定位的改进技术。传统方法存在仅关注目标物体最具判别性部分的局限。近期研究通过为判别性较弱的部分增广训练数据来解决此问题并克服了该局限。为此，我们采用有效的数据增广来提高目标定位的准确性。此外，我们基于最先进的模型优化卷积神经网络（CNN），引入了改进的学习技术。基于大量实验，我们从定性和定量两方面评估了所提方法的有效性。特别地，我们观察到，根据配置不同，与当前最先进的弱监督目标定位技术相比，我们的方法将 Top-1 定位准确率提高了 21.4% 至 37.3%。
引用
@article{arxiv.1802.07888,
title = {Improved Techniques For Weakly-Supervised Object Localization},
author = {Junsuk Choe and Joo Hyun Park and Hyunjung Shim},
journal= {arXiv preprint arXiv:1802.07888},
year = {2018}
}
备注
Submitted to BMVC 2018