用于弱监督定位的权重图学习
计算机视觉与模式识别
2021-11-30 v1
摘要
在弱监督定位设定中，监督信息以图像级标签给出。我们提出采用图像分类器 并训练生成网络 ，该网络针对输入图像输出逐像素权重图以指示图像中目标的位置。网络 通过最小化分类器 在原始图像上的输出与给定由 输出加权的同一图像时其输出之间的差异来进行训练。该方案需要一个正则化项以确保 不提供均匀权重，以及一种早停准则以防止 对图像过分割。我们的结果表明，该方法在具有挑战性的细粒度分类数据集以及通用图像识别数据集上，以可观的幅度优于现有定位方法。此外，所获得的权重图在细粒度分类数据集的弱监督分割中也达到最先进水平。
引用
@article{arxiv.2111.14131,
title = {Learning a Weight Map for Weakly-Supervised Localization},
author = {Tal Shaharabany and Lior Wolf},
journal= {arXiv preprint arXiv:2111.14131},
year = {2021}
}