基于简单全卷积网络与合成数据集的货架商品弱监督目标定位
计算机视觉与模式识别
2019-01-10 v2
摘要
我们提出一种使用两种算法的弱监督方法，在仅给定图像分类数据集的情况下预测目标边界框。第一种算法是一个训练用于分类目标实例的简单全卷积网络（FCN）。我们利用 FCN 对大于训练图像的图像返回掩码的特性，通过在测试时向其传入图像金字塔，得到初步输出分割掩码。我们通过卷积编码器-解码器（ConvAE，即第二种算法）将 FCN 输出掩码增强为最终输出边界框。ConvAE 训练用于在人工生成的输出分割掩码数据集上定位目标。我们在货架商品定位中证明了该方法的有效性，由于商品种类多样，为目标检测标注数据十分困难。该方法可扩展到任何易于采集目标图像而难以标注其坐标的问题领域。
引用
@article{arxiv.1803.06813,
title = {Weakly Supervised Object Localization on grocery shelves using simple FCN and Synthetic Dataset},
author = {Srikrishna Varadarajan and Muktabh Mayank Srivastava},
journal= {arXiv preprint arXiv:1803.06813},
year = {2019}
}
备注
Published at The Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP) 2018. ( https://cvit.iiit.ac.in/icvgip18/ )