基于期望最大化算法的弱监督与半监督目标检测
计算机视觉与模式识别
2017-03-01 v1
摘要
在训练过程中仅提供图像级标签而非实例级标签（即边界框）的目标检测，是计算机视觉中的一个重要问题，因为带有实例级标签的大规模图像数据集获取成本极高。本文中，我们通过开发一种基于期望最大化（EM）并使用深度卷积神经网络（CNN）的目标检测方法来解决这一具有挑战性的问题。我们的方法适用于弱监督和半监督两种设置。在PASCAL VOC 2007基准上的大量实验表明：(1) 在弱监督设置下，我们的方法相比当前最优方法提供了显著的检测性能提升；(2) 在可访问少量强（实例级）标注图像的情况下，我们的方法几乎可以匹配全监督Fast RCNN的性能。我们在https://github.com/ZiangYan/EM-WSD共享了源代码。
引用
@article{arxiv.1702.08740,
title = {Weakly- and Semi-Supervised Object Detection with Expectation-Maximization Algorithm},
author = {Ziang Yan and Jian Liang and Weishen Pan and Jin Li and Changshui Zhang},
journal= {arXiv preprint arXiv:1702.08740},
year = {2017}
}
备注
9 pages