面向弱监督目标检测的目标感知实例标注
计算机视觉与模式识别
2019-08-13 v1
摘要
弱监督目标检测（WSOD）仅使用图像级标注训练检测器，正受到越来越多的关注。作为获得性能良好检测器的一种方法，检测器与实例标签被迭代更新。在本研究中，为了实现更高效的迭代更新，我们关注实例标注问题，即基于上一次定位结果应为每个区域标注何种标签的问题。我们不简单地将得分最高的区域及其高度重叠的区域标注为正，其余标注为负，而是提出了以下更有效的实例标注方法。首先，为了解决仅覆盖物体部分区域的倾向被标注为正的问题，我们聚焦于上下文分类损失，寻找覆盖整个物体的区域。其次，考虑到图像中包含的其他物体可能被标注为负的情况，我们对标注为负的区域施加空间限制。使用这些实例标注方法，我们在 PASCAL VOC 2007 和 2012 上训练检测器，与其他 state-of-the-art 方法相比获得了显著改善的结果。
引用
@article{arxiv.1908.03792,
title = {Object-Aware Instance Labeling for Weakly Supervised Object Detection},
author = {Satoshi Kosugi and Toshihiko Yamasaki and Kiyoharu Aizawa},
journal= {arXiv preprint arXiv:1908.03792},
year = {2019}
}
备注
Accepted to ICCV 2019 (oral)