论标签粒度与对象定位
计算机视觉与模式识别
2022-07-22 v1 机器学习
摘要
弱监督对象定位（WSOL）旨在仅利用图像级类别标签学习编码对象位置的表示。然而，许多对象可在不同粒度层级上被标注。它是一只动物、一只鸟，还是一只大角鸮？我们应使用哪些图像级标签？本文研究标签粒度在 WSOL 中的作用。为便于该探究，我们引入了 iNatLoc500，一个用于 WSOL 的新大规模细粒度基准数据集。令人惊讶的是，我们发现选择合适的训练标签粒度比选择最佳 WSOL 算法带来更大的性能提升。我们还表明改变标签粒度能显著提升数据效率。
引用
@article{arxiv.2207.10225,
title = {On Label Granularity and Object Localization},
author = {Elijah Cole and Kimberly Wilber and Grant Van Horn and Xuan Yang and Marco Fornoni and Pietro Perona and Serge Belongie and Andrew Howard and Oisin Mac Aodha},
journal= {arXiv preprint arXiv:2207.10225},
year = {2022}
}
备注
ECCV 2022