看这里：利用监督注意力关注细微关键区域
计算机视觉与模式识别
2021-11-29 v1 人工智能
机器学习
摘要
尽管深度学习在计算机视觉中取得成功，识别细微且小物体（或区域）的算法仍具挑战性。例如，识别地面场景中的棒球或飞盘，或 X 射线图像中的骨折，很容易导致过拟合，除非有海量训练数据可用。为缓解此问题，我们需要一种方法迫使模型在有限训练数据中识别细微区域。本文提出一种简单而高效的监督增强方法，称为 Cut&Remain。它在多个医学图像领域（内部来源与公共数据集）和自然图像领域（MS-COCO）上均取得优于其他监督增强与显式引导方法的性能。此外，利用类激活图，我们确认 Cut&Remain 方法驱动模型高效聚焦于相关的细微与小区域。我们还表明性能随 Cut&Remain 比例单调提升，意味着即便仅应用有限量的 Cut&Remain 也可改进模型，从而允许以较低的监督（标注）成本实现改进。
引用
@article{arxiv.2111.13233,
title = {Look at here : Utilizing supervision to attend subtle key regions},
author = {Changhwan Lee and Yeesuk Kim and Bong Gun Lee and Doosup Kim and Jongseong Jang},
journal= {arXiv preprint arXiv:2111.13233},
year = {2021}
}
备注
Under review