用于弱监督目标定位的基于低层特征的激活图在线精炼
计算机视觉与模式识别
2021-10-13 v1
摘要
我们提出一种用于弱监督目标定位 (WSOL) 的两阶段学习框架。尽管此前多数工作依赖基于高层特征的 CAMs（类激活图），本文提出利用基于低层特征的激活图来定位目标。在第一阶段，激活图生成器基于分类器中的低层特征图产生激活图，从而以在线方式纳入丰富的上下文目标信息。在第二阶段，我们采用评估器对激活图生成器预测的激活图进行评估。基于此，我们进一步提出加权熵损失、注意力擦除与区域损失，以驱动激活图生成器大幅降低目标与背景间激活的不确定性，并探索区分性较弱的区域。基于第一阶段保留的低层目标信息，第二阶段模型逐渐生成图像中目标良好分离、完整且紧凑的激活图，可轻易通过阈值化实现准确定位。在 CUB-200-2011 与 ImageNet-1K 数据集上的大量实验表明，我们的框架大幅超越先前方法，为 WSOL 确立了新的 SOTA。
引用
@article{arxiv.2110.05741,
title = {Online Refinement of Low-level Feature Based Activation Map for Weakly Supervised Object Localization},
author = {Jinheng Xie and Cheng Luo and Xiangping Zhu and Ziqi Jin and Weizeng Lu and Linlin Shen},
journal= {arXiv preprint arXiv:2110.05741},
year = {2021}
}
备注
Accepted to ICCV 2021.(corrected some minor mistakes)