重新思考弱监督目标定位的路径
计算机视觉与模式识别
2020-03-04 v2
摘要
弱监督目标定位（WSOL）旨在仅利用图像级标签来定位目标。以往方法常试图借助特征图和分类权重，通过图像级标注间接定位目标。本文指出，弱监督目标定位应分为两部分：类无关目标定位与目标分类。对于类无关目标定位，应使用类无关方法生成含噪伪标注，进而在无类标签情况下对其执行边界框回归。我们提出伪监督目标定位（PSOL）方法，作为解决WSOL的新途径。我们的PSOL模型在不同数据集间无需微调即具备良好的可迁移性。利用生成的伪边界框，我们在ImageNet上取得58.00%的定位准确率，在CUB-200上取得74.97%的定位准确率，较先前模型具有显著优势。
引用
@article{arxiv.2002.11359,
title = {Rethinking the Route Towards Weakly Supervised Object Localization},
author = {Chen-Lin Zhang and Yun-Hao Cao and Jianxin Wu},
journal= {arXiv preprint arXiv:2002.11359},
year = {2020}
}
备注
Accepted by CVPR 2020; Corrected some typo in the paper; The code repository is https://github.com/tzzcl/PSOL