弱监督深度检测网络
计算机视觉与模式识别
2016-12-20 v4
摘要
目标检测的弱监督学习是图像理解中的一个重要问题，至今仍没有令人满意的解决方案。在本文中，我们利用在大规模图像级分类任务上预训练的深度卷积神经网络的能力来解决此问题。我们提出了一种弱监督深度检测架构，其修改此类网络以在图像区域层次上操作，同时执行区域选择与分类。作为图像分类器进行训练，该架构隐式地学习到在PASCAL VOC数据上优于其他弱监督检测系统的目标检测器。该模型是一个简单优雅的端到端架构，在图像级分类任务上也优于标准数据增强与微调技术。
引用
@article{arxiv.1511.02853,
title = {Weakly Supervised Deep Detection Networks},
author = {Hakan Bilen and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1511.02853},
year = {2016}
}
备注
9 pages, 3 figures, 6 tables, Conference on Computer Vision and Pattern Recognition (CVPR) 2016. This version fixes the equation in Section 3.4, thanks to Vadim Kantorov and Sini\v{s}a \v{S}egvi\'c