用于弱监督单次定位的目标范围池化
计算机视觉与模式识别
2017-07-20 v1
摘要
面对详细训练标注的稀缺，以弱监督方式实时执行目标定位任务的能力极具价值。然而，生成和评估区域候选的计算开销很大。我们将类激活图 (CAM) 的概念引入到首个无需使用区域候选的弱监督“单次”检测器中。为此，我们提出了一种称为空间金字塔平均最大池化 (SPAM) 的新型全局池化技术，用于在仅有弱图像级监督下训练该基于 CAM 的网络以进行目标范围定位。我们表明该全局池化层具有近乎理想的梯度流以进行范围定位，在最大池化与平均池化两个极端之间提供了良好的折中。我们的方法仅需单次网络前向传播并使用快速反投影技术，完全省去了任何区域候选步骤。据我们所知，这是首个实现该目标的方法。得益于此，我们能够以 35fps 进行实时推理，比以往所有弱监督目标定位框架快一个数量级。
引用
@article{arxiv.1707.06180,
title = {Object-Extent Pooling for Weakly Supervised Single-Shot Localization},
author = {Amogh Gudi and Nicolai van Rosmalen and Marco Loog and Jan van Gemert},
journal= {arXiv preprint arXiv:1707.06180},
year = {2017}
}
备注
In British Machine Vision Conference 2017 (BMVC'17)