面向精确端到端弱监督目标检测网络
计算机视觉与模式识别
2019-11-28 v1
摘要
由于不存在实例级类别标注，弱监督目标检测网络难以精确预测物体位置。多数现有方法倾向于使用两阶段学习流程来解决该问题，即先多示例学习检测器，再接一个带边界框回归的全监督学习检测器。基于我们的观察，该流程可能导致某些物体类别陷入局部极小。本文中，我们提出以端到端方式联合训练两阶段以解决这个问题。具体而言，我们设计了一个单一网络，其具有共享同一主干的多示例学习和边界框回归分支。同时，在主干中加入了利用分类损失的引导注意力模块，以有效提取特征中的隐式位置信息。在公开数据集上的实验结果表明，我们的方法取得了 SOTA 性能。
引用
@article{arxiv.1911.12148,
title = {Towards Precise End-to-end Weakly Supervised Object Detection Network},
author = {Ke Yang and Dongsheng Li and Yong Dou},
journal= {arXiv preprint arXiv:1911.12148},
year = {2019}
}
备注
accepted by ICCV 2019