ICCVSep, 2017

软提案网络用于弱监督目标定位

PDF
TL;DR本文提出了一种新的弱监督目标定位方法，利用 Soft Proposal 网络在卷积神经网络中集成了无需成本的目标提议，在图像级监督下，通过联合优化网络参数和提议获得更好的对象居中滤波器，发现更有区分性的视觉证据，并有效地抑制背景干扰，大幅提高了弱监督目标定位和分类性能。
weakly supervised object localizationobject proposalconvolutional neural networksend-to-end learningsoft proposal networks
发现论文，激发创造
  • 使用深度特征图进行弱监督定位

    本文提出了一种使用仅图像标签训练的分类网络的弱监督对象定位算法，该方法利用卷积层中捕获的局部空间和语义模式来检测和定位图像中的多个物体，通过采用有效的束搜索方法，该方法在标准对象定位数据集中明显优于现有技术，mAP 得分提高了 8 个点。

    Mar, 2016

  • 实现尺度不变性和位置敏感的区域建议网络

    提出了一种基于网络架构设计的物体提议算法，该算法具有许多优势，例如对物体大小的范围从非常小到非常大的尺度具有平移不变性，具有平移变性的限制框回归，具有大的有效感受野来捕捉全局上下文等，可以显著地提高提议平均召回率，并且实时性能也非常好。

    Jul, 2018

  • 稀疏 R-CNN：可学习提议的端到端物体检测

    Sparse R-CNN 是一种用于图像中目标检测的纯稀疏方法，通过固定的稀疏一组学习目标建议代替手动定义的物体候选框，并直接输出最终预测结果，表现优于基线模型，可用于 COCO 数据集等。

    Nov, 2020

  • 学习开放世界物体提议，不需学习分类

    本文提出一种基于 Object Localization Network (OLN) 且不需要分类器的目标定位方法，创新性地实现了目标定位的普适性并在交叉数据集上验证了其有效性。

    Aug, 2021

  • 弱监督级联卷积网络

    本研究提出了基于级联卷积神经网络的两种体系结构，旨在解决在没有昂贵人工注释下进行的弱监督下的目标检测问题，第一阶段从全卷积神经网络中提取类特定区域提议的最佳候选项，在三阶段体系结构中，中间阶段通过第一阶段的激活映射来提供物体分割。这些体系结构在弱监督目标检测，分类和定位领域的实验中表现出了改进。

    Nov, 2016

  • Faster R-CNN: 基于区域建议网络实现实时目标检测

    本文提出一种完全卷积的区域提议网络（RPN），在同时预测目标边界和目标特征分数的同时，使用完全图像卷积特征共享检测网络的特征。

    Jun, 2015

  • 半监督物体检测的提议学习

    本文针对具有生物医学背景的图像分类问题，提出了基于遗传算法的医学图片特征选择模型，在多个数据集上均取得了优秀的分类效果。

    Jan, 2020

  • 面向目标提议与检测的子类别感知卷积神经网络

    本文提出一种基于亚类别感知的 CNN 目标检测方法，使用新颖的区域提出网络和检测网络，以亚类别信息引导提出生成过程和实现联合检测和亚类别分类，从而在常用基准上实现了检测和姿态估计的最佳表现。

    Apr, 2016

  • 基于卷积单形投影网络 (CSPN) 的弱监督语义分割

    本文介绍了一种新的使用深度卷积神经网络解决弱监督语义分割问题的方法，该方法使用基于类对象面积约束的单形投影，可以通用于任何 CNN 架构。实验结果表明，在只有图像级标签的弱监督情况下，将此操作应用于 CNN 的输出可以提高语义分割的准确性。

    Jul, 2018

  • HyperNet：准确区域提议生成与联合目标检测

    本文提出了深层分层网络 HyperNet，以处理区域提案生成和目标检测。HyperNet 基于精心设计的超级特征，将图像的深层、中间和浅层特征结合在一起，实现了端到端的联合训练策略，并在每张图像使用仅 100 个提案达到了 PASCAL VOC 2007 和 2012 检测数据集上的完全领先的召回和最先进的目标检测准确度。

    Apr, 2016