用于弱监督目标定位的两阶段学习
计算机视觉与模式识别
2017-08-17 v3
摘要
弱监督语义分割与定位存在仅关注图像中最重要部分的问题，因为它们仅使用图像级标注。在本文中，我们通过两阶段学习从根本上解决了这一问题。我们的网络分两步进行训练。在第一步中，训练一个传统的全卷积网络（FCN）以找到图像中最具判别性的部分。在第二步中，通过推理条件反馈抑制最显著部分上的激活，然后进行第二次学习以找到次重要部分的区域。通过结合两个阶段的激活，可以捕获目标对象的整个部分。我们提出的训练方案是新颖的，可用于弱监督语义分割、显著区域检测和目标位置预测等精心设计的技术中。详细的实验证明了我们的两阶段学习在每个任务中的有效性。
引用
@article{arxiv.1708.02108,
title = {Two-Phase Learning for Weakly Supervised Object Localization},
author = {Dahun Kim and Donghyeon Cho and Donggeun Yoo and In So Kweon},
journal= {arXiv preprint arXiv:1708.02108},
year = {2017}
}
备注
Accepted at ICCV 2017