Weakly Supervised Object Localization with Multi-fold Multiple Instance Learning
发布时间
阅读量:
阅读量
弱监督多实例学习框架下的目标检测与识别
基于多层多实例学习的弱监督物体定位
摘要 ——在计算及视觉领域,物体的分类定位是一个具有挑战性的问题。标准的监督训练需要物体实例的bounding box标注。弱监督学习避免了这一耗时的标注过程。在这样的情况下,监督信息被限制在了二态标注中能够表明图片中物体实例是存在还是缺失。我们提出了一个多实例的学习方法,它能够迭代的训练检测器并且推断出正图片样本中物体的位置信息。我们主要的贡献是一个多层多实例的学习策略,它能够阻止训练过早地锁定在错误的物体位置。这个过程在高维表示中是特别重要的,例如fisher向量和卷积神经网络特征。我们也提出了一个窗口强化方法,这个方法能够提高定位的精度通过包含物体的先验信息。我们提出了一个具体的实验评估结果利用PASCAL VOL 2007数据集,这能够证明我们方法的有效性。
关键字 :弱监督学习,物体检测
4,8,12,15,…
6
12
15
6,9
49
39
38
29
-
结论
-
参考文献
全部评论 (0)
还没有任何评论哟~
