实例感知、上下文聚焦且内存高效的弱监督目标检测

弱监督学习已成为目标检测的有力工具，因其减少了训练中对强监督的需求。然而，主要挑战依然存在：（1）目标实例的区分可能模糊；（2）检测器倾向于关注判别性部位而非整个目标；（3）无 ground truth 时，为获得高召回率，目标候选框必须冗余，导致显著的内存消耗。解决这些挑战十分困难，因为这常需消除不确定性与平凡解。针对这些问题，我们开发了实例感知且上下文聚焦的统一框架。其采用实例感知自训练算法与可学习的 Concrete DropBlock，同时设计内存高效的顺序批量反向传播。我们提出的方法在 COCO（$12.1\% ~AP$, $24.8\% ~AP_{50}$）、VOC 2007（$54.9\% ~AP$）和 VOC 2012（$52.1\% ~AP$）上取得 SOTA 结果，大幅改进基线。此外，该方法是首个对基于 ResNet 的模型及弱监督视频目标检测进行基准测试的。代码、模型及更多细节将发布于：https://github.com/NVlabs/wetectron。