使用伪强标签的弱监督目标检测
计算机视觉与模式识别
2016-07-19 v1
摘要
目标检测是计算机视觉的一项重要任务。已有多种方法被提出，但使用弱标签的方法仍未取得令人满意的结果。在本文中，我们提出了一种新框架，将弱监督方法的输出作为伪强标签来训练强监督模型。将一种弱监督方法视为黑盒，以在训练数据集上生成特定类别的边界框。随后对带噪边界框应用去噪方法。接着，使用去噪后的伪强标签来训练强目标检测网络。整个框架仍然是弱监督的，因为整个过程仅使用图像级标签。在 PASCAL VOC 2007 上的实验结果证明了我们框架的有效性，我们在平均精度均值上获得了 43.4% 的结果，相比之下，此前的最佳结果和初始方法分别为 39.5% 和 34.5%。并且该框架简单且独特，有望轻松应用于其他方法。
关键词
引用
@article{arxiv.1607.04731,
title = {Weakly supervised object detection using pseudo-strong labels},
author = {Ke Yang and Dongsheng Li and Yong Dou and Shaohe Lv and Qiang Wang},
journal= {arXiv preprint arXiv:1607.04731},
year = {2016}
}
备注
7 pages