用于弱监督目标定位的自产生引导
计算机视觉与模式识别
2018-08-07 v2
摘要
弱监督方法通常基于分类网络产生的注意力图生成定位结果。然而，注意力图表现出物体最具判别性的部分，这些部分小而稀疏。我们提出生成自产生引导（SPG）掩码，将前景（感兴趣物体）与背景分离，以向分类网络提供像素的空间相关性信息。提出了一种分阶段方法，将高置信度物体区域纳入以学习 SPG 掩码。注意力图内的高置信度区域被用于逐步学习 SPG 掩码。这些掩码随后用作辅助像素级监督以促进分类网络的训练。在 ILSVRC 上的大量实验表明，SPG 能有效生成高质量的目标定位图。特别地，所提出的 SPG 在 ILSVRC 验证集上取得了 43.83% 的 Top-1 定位错误率，这是新的 SOTA 错误率。
引用
@article{arxiv.1807.08902,
title = {Self-produced Guidance for Weakly-supervised Object Localization},
author = {Xiaolin Zhang and Yunchao Wei and Guoliang Kang and Yi Yang and Thomas Huang},
journal= {arXiv preprint arXiv:1807.08902},
year = {2018}
}
备注
ECCV 2018