在无标注图像上学习检测重要人物以实现半监督重要人物检测
计算机视觉与模式识别
2020-04-17 v1
摘要
重要人物检测旨在自动检测社交活动图像中扮演最重要角色的个体，这要求所设计的模型理解高层模式。然而，现有方法严重依赖使用大量标注图像样本的监督学习，而相较于实体识别（如物体识别），为重要人物检测收集标注样本代价更高。为克服该问题，我们提出在部分标注图像上学习重要人物检测。我们的方法迭代地学习为未标注图像中的个体分配伪标签，并基于同时带有标签与伪标签的数据学习更新重要人物检测模型。为缓解伪标签不平衡问题，我们引入一种用于伪标签估计的排序策略，并引入两种加权策略：其一用于对个体为重要人物的置信度加权以加强对重要人物的学习，其二用于忽略含噪的未标注图像（即不含任何重要人物的图像）。我们收集了两个大规模数据集用于评估。广泛的实验结果明确证实了我们的方法通过利用未标注图像提升重要人物检测性能的有效性。
引用
@article{arxiv.2004.07568,
title = {Learning to Detect Important People in Unlabelled Images for Semi-supervised Important People Detection},
author = {Fa-Ting Hong and Wei-Hong Li and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2004.07568},
year = {2020}
}