LOOC：利用计数监督定位重叠目标
计算机视觉与模式识别
2020-07-06 v1
摘要
获取计数标注通常比点级与边界框标注需要更少的人力。因此，我们提出在较弱的这种监督下定位密集场景中目标的新问题设定。我们提出 LOOC，一种利用计数监督定位重叠目标（Localize Overlapping Objects with Count supervision）的方法。我们通过两个阶段的轮换训练 LOOC。在第一阶段，LOOC 以半监督方式学习生成伪点级标注。在第二阶段，LOOC 使用在这些伪标签上训练的全监督定位方法。该定位方法用于逐步提升伪标签的质量。我们在流行的计数数据集上进行了实验。对于定位，LOOC 在仅可用计数监督的新问题设定中达到了强劲的新基线。对于计数，LOOC 优于当前仅以计数为监督的先进方法。代码见：https://github.com/ElementAI/looc。
引用
@article{arxiv.2007.01837,
title = {LOOC: Localize Overlapping Objects with Count Supervision},
author = {Issam H. Laradji and Rafael Pardinas and Pau Rodriguez and David Vazquez},
journal= {arXiv preprint arXiv:2007.01837},
year = {2020}
}