MinMaxCAM：基于 CAM 的弱监督目标定位中改善目标覆盖的方法
计算机视觉与模式识别
2021-04-30 v1
摘要
弱监督目标定位最常见的问题之一是目标覆盖不准确。在基于类激活映射（CAM）的前沿方法中，这要么是由仅关注感兴趣目标最具判别性区域的定位图引起，要么是由背景区域中的激活引起。为解决这两个问题，我们提出了两种表示正则化机制：全区域正则化，试图最大化定位图在目标区域内的覆盖；以及公共区域正则化，最小化背景区域中发生的激活。我们在 ImageNet、CUB-200-2011 和 OpenImages-segmentation 数据集上评估了这两种正则化，并表明所提出的正则化解决了这两个问题，以显著优势超越了现有最优方法。
引用
@article{arxiv.2104.14375,
title = {MinMaxCAM: Improving object coverage for CAM-basedWeakly Supervised Object Localization},
author = {Kaili Wang and Jose Oramas and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:2104.14375},
year = {2021}
}