利用尺寸估计的弱监督目标定位
计算机视觉与模式识别
2016-08-17 v2
摘要
我们提出了一种弱监督目标定位（WSOL）技术，其基于如下观察：WSOL算法通常在包含较大目标的图像上表现更好。我们没有同时在整个训练集上训练目标检测器，而是提出一种课程学习策略，将训练图像按从包含较大目标到较小目标的顺序输入WSOL学习循环。为自动确定该顺序，我们训练了一个回归器，以整幅图像作为输入来估计目标的大小。此外，我们利用这些尺寸估计，通过根据目标候选框的尺寸与估计目标尺寸的接近程度为其分配权重，进一步改进WSOL的重定位步骤。我们在具有挑战性的PASCAL VOC 2007数据集上验证了使用尺寸顺序和尺寸加权的有效性，相比现有最先进的WSOL技术取得了显著改进。
引用
@article{arxiv.1608.04314,
title = {Weakly Supervised Object Localization Using Size Estimates},
author = {Miaojing Shi and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1608.04314},
year = {2016}
}
备注
ECCV 2016 camera-ready