仅以目标计数为标签的弱监督多类目标定位
计算机视觉与模式识别
2021-02-24 v1 人工智能
摘要
我们展示了利用广泛深度神经网络（EDNN）定位图像中目标实例的用途。EDNN 仅使用真实计数值作为标签，天然便能准确执行多类计数。在不提供任何概念信息、目标标注或像素分割信息的情况下，该神经网络能够形成其对图像中物品自身的概念表征。利用仅标注了所含目标数量的图像，可借助广泛深度神经网络的结构来实现视觉场内目标的定位。我们证明，训练好的 EDNN 可用于计数比其训练所用图像大得多的图像中的目标。为展示我们的技术，我们引入了七个新数据集：五个难度递增的 MNIST 数字计数数据集，以及两个不同情境下 3D 渲染橡皮鸭的数据集。在大多数这些数据集上，EDNN 在目标计数上达到了大于 99% 的测试集准确率。
引用
@article{arxiv.2102.11743,
title = {Weakly-supervised multi-class object localization using only object counts as labels},
author = {Kyle Mills and Isaac Tamblyn},
journal= {arXiv preprint arXiv:2102.11743},
year = {2021}
}