基于 PSNet 与边界框回归的弱监督目标检测
计算机视觉与模式识别
2019-11-27 v1
摘要
弱监督目标检测（WSOD）任务仅使用图像级标注来训练目标检测任务。WSOD 不需要耗时的实例级标注，因此该任务的研究吸引了越来越多的关注。以往的弱监督目标检测方法迭代地更新检测器和伪标签，或使用基于特征的掩蔽方法。这些方法大多不能生成完整且准确的候选框，往往只得到物体最具判别性的部分，或过多的背景区域。为解决此问题，我们在弱监督目标检测网络中加入了边界框回归模块，并提出一种候选框评分网络（PSNet）来监督它。边界框回归模块修正候选框以提高候选框与真实框的 IoU。PSNet 对边界框回归网络输出的候选框进行评分，并利用该分数改进边界框回归模块。此外，我们利用 PRS 算法生成更精确的伪标签来训练边界框回归模块。使用这些方法，我们在 PASCAL VOC 2007 和 2012 上训练检测器并取得了显著提升的结果。
引用
@article{arxiv.1911.11512,
title = {WSOD with PSNet and Box Regression},
author = {Sheng Yi and Xi Li and Huimin Ma},
journal= {arXiv preprint arXiv:1911.11512},
year = {2019}
}