显著性引导的端到端学习用于弱监督目标检测
计算机视觉与模式识别
2017-06-22 v1
摘要
弱监督目标检测（WSOD），即仅使用图像级标签学习检测器的问题，正吸引着越来越多的关注。然而，由于缺乏位置监督，这个问题相当具有挑战性。为解决这一问题，本文将显著性信息集成到深度架构中，在该架构中位置信息被显式和隐式地探索。具体而言，我们在类别特定显著性图的指导下选择高置信度的目标提议。所选提议的位置信息连同语义和显著性信息，随后通过施加两个额外的损失来显式地监督网络。同时，架构中构建了一个显著性预测子网络。其预测结果被用来隐式地引导定位过程。整个网络进行端到端训练。在PASCAL VOC上的实验表明，我们的方法优于所有当前最优技术。
引用
@article{arxiv.1706.06768,
title = {Saliency Guided End-to-End Learning for Weakly Supervised Object Detection},
author = {Baisheng Lai and Xiaojin Gong},
journal= {arXiv preprint arXiv:1706.06768},
year = {2017}
}
备注
Accepted to appear in IJCAI 2017