ECCVJul, 2018

弱监督物体定位自产引导

PDF
TL;DR该研究提出了一种基于自产引导（SPG）蒙版的弱监督目标定位方法，使用 SPG 蒙版提供像素的空间相关信息，作为辅助的像素级监督来辅助分类网络的训练，实验证明 SPG 能够在提高目标定位精度方面显著有效。
weakly supervised methodsself-produced guidance masksobject localizationclassification networksilsvrc
发现论文，激发创造
  • 基于显著性引导的弱监督图像分割深度网络

    该研究提出了一种基于显著性引导的图像分割网络，利用自我注意力显著性方法生成微妙的显著性地图，并通过点种植区域生长方法将地点线索扩展为像素级标签，从而生成具有区分性的对象区域。实验结果表明，该方法有效降低了显著性噪声的影响，提高了弱监督图像分割的准确性。

    Oct, 2018

  • 引导式关注推理网络：告诉我该看哪里

    利用弱监督学习和注意力图，我们提出了一种新的建模方法，使得注意力图成为端到端训练的自然组成部分，并通过直接从网络本身探索监督来直接在这些图上提供自我指导，从而成功地解决了以前方法中的缺点，并在语义分割任务上优于现有技术。

    Feb, 2018

  • 揭示结构保持在弱监督下物体定位中的潜力

    本文提出了一种名为 SPA 的两阶段方法，通过受限激活模块（RAM）和自相关图生成模块（SCG）的设计，从分类网络中提取对象结构信息，以实现弱监督对象定位（WSOL），在 CUB-200-2011 和 ILSVRC 两个公共基准测试中，SPA 相对于基准方法有着显著和一致的性能提升。

    Mar, 2021

  • 基于显著性引导的自注意力网络用于弱监督和半监督语义分割

    该论文提出一种基于自注视网络和显著性先验的半监督语义分割模型，能够准确地定位并分割图像区域，且在 PASCAL VOC 2012 上的表现优于目前所有其他先进方法。

    Oct, 2019

  • 弱监督语义分割的解耦空间神经关注模型

    本文提出了一种基于神经网络空间注意力机制的弱监督图像分割算法，通过生成高质量的伪标注提升模型精度，在弱监督语义分割任务上达到了最先进水平。

    Mar, 2018

  • 深度自学习用于弱监督目标定位

    提出一种使用深度自我学习方法进行弱监督定位的实现，以获取可靠的正样本，并通过一个在线支持的样本收获方案去动态地选择最有信心的正样本以达到相互促进。

    Apr, 2017

  • 弱监督语义分割的空间结构约束

    利用空间结构约束减轻关注扩展在弱监督语义分割中的非预期对象过度激活的问题，并通过 CAM 驱动重建模块和激活自调节模块来实现更好的对象定位和分割结果。

    Jan, 2024

  • L2G: 一个简单的局部到全局的知识迁移框架，用于弱监督语义分割

    本文提出了以 L2G 为核心的方法，通过本地分类网络从输入图像中随机获取多个局部路径进行注意提取，然后利用全局网络在线学习多个局部注意映射之间的互补关系，从全局视角学习对象的详细知识，从而产生高质量的注意地图，并将其直接用作语义分割网络的伪注释。

    Apr, 2022

  • 重新思考本地化图：通过自我增强图提高准确的物体感知

    本研究提出了一种用于评估弱监督目标定位图的测量方法，即与地面真实像素级目标掩模进行比较，并证明了这种方法优于常规的交并比测量方法。此外，我们还提出了一种自我增强方法，只使用目标类别标签作为监督，就能获得准确的对象定位图和边界。在两个数据集上的实验表明，所提出的方法能够显着提高目标定位的准确性。

    Jun, 2020

  • 弱监督单镜头定位的目标 - 范围汇聚

    本文提出了一个基于 CAM 的 “单 shot” 弱监督检测器，其中不需要使用区域建议。使用一种新颖的全局池化技术 SPAM 池来训练此 CAM 网络进行弱图像级监督的对象范围定位。该方法仅需要单个网络通过并使用快速反向投影技术，在 35fps 的实时下 实现了良好的效果，大大提高了弱监督对象定位框架的速度。

    Jul, 2017