TS2C:利用周围分割上下文进行紧致框挖掘的弱监督目标检测
计算机视觉与模式识别
2018-07-16 v1
摘要
本工作提供了一种仅使用图像级监督来发现紧致目标边界框的简单方法,称为利用周围分割上下文进行紧致框挖掘(TS2C)。我们观察到,通过当前多示例学习方法挖掘的目标候选通常陷入判别性目标部件,而非整个目标。TS2C利用源自弱监督分割的周围分割上下文来抑制此类低质量干扰候选并提升高质量候选。具体而言,TS2C基于理想边界框的两个关键属性开发:1)高纯度,即框内大多数像素具有高目标响应;2)高完整性,即框全面覆盖高目标响应像素。借助这种新颖且可计算的准则,可发现更多紧致候选以学习更好的目标检测器。使用TS2C,我们在VOC 2007和2012基准上分别获得48.0%和44.4%的mAP分数,达到了新的最先进水平。
引用
@article{arxiv.1807.04897,
title = {TS2C: Tight Box Mining with Surrounding Segmentation Context for Weakly Supervised Object Detection},
author = {Yunchao Wei and Zhiqiang Shen and Bowen Cheng and Honghui Shi and Jinjun Xiong and Jiashi Feng and Thomas Huang},
journal= {arXiv preprint arXiv:1807.04897},
year = {2018}
}
备注
ECCV2018