揭示结构保持在弱监督下物体定位中的潜力

CVPRMar, 2021

揭示结构保持在弱监督下物体定位中的潜力

Unveiling the Potential of Structure Preserving for Weakly Supervised Object Localization

Xingjia Pan, Yingguo Gao, Zhiwen Lin, Fan Tang, Weiming Dong...

TL;DR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。

Abstract

weakly supervised object localization(WSOL) remains an open problem given the deficiency of finding object extent information using a classification network. Although prior works struggled to localize objects thr

weakly supervised object localization structure-preserving activation classification network spatial regularization strategies self-correlation map generating

发现论文，激发创造

基于低层特征的激活图在线细化方法用于弱监督物体定位

该论文提出了一个两阶段的学习框架来实现弱监督物体定位，通过低层次特征激活图实现物体的定位，并且使用加权熵损失，关注擦除和区域损失来减少激活的不确定性，该方法在 CUB-200-2011 和 ImageNet-1K 数据集上表现优秀，成为 WSOL 方面最新的国际领先方法。

Oct, 2021

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

浅层特征对弱监督目标定位的影响

本研究提出了一种有效的浅层特征感知的伪监督目标定位模型，通过浅层和深层特征的逐元素相乘过滤背景噪声，生成更锐利的边界并进一步提出了一个通用的类不可知分割模型以实现精确的物体掩模定位，最终应用边界框提取器定位目标，实验验证我们的模型在 CUB-200 和 ImageNet-1K 基准测试数据集上优于现有技术，分别达到 93.44％（提高了 3.93％）和 67.15％（提高了 2.13％）的 Top-5 定位准确度。

Aug, 2021

重新思考弱监督目标定位的路线

本文提出了一种新的弱监督目标定位方法，称为伪监督目标定位（PSOL）方法，将弱监督目标定位分为类不可知对象定位和对象分类两个部分，并使用 PSOL 方法生成噪声伪标注来进行类不可知对象定位，并在此基础上进行边界框回归，通过此方法生成的伪边界框，在未进行精调的情况下，在 ImageNet 数据集上实现了 58.00% 的定位精度和 CUB-200 数据集上的 74.97% 的定位精度，具有很好的可迁移性。

Feb, 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

使用样本内对比学习和一致性注意力进行弱监督目标定位

本文提出了一种对弱监督对象定位进行背景辅助的方法，该方法旨在使用对比度关注损失，前景一致性损失和非局部注意力块来提高各层次对目标的感知，进而实现更高的图像定位精度。

Sep, 2020

弱监督目标定位中的归一化重要性

本文提出新的正则化方法，从而可以提高弱监督目标定位方法的性能，实验结果表明，新的方法能够在三个数据集上显著提高性能。

Jul, 2021

评估弱监督目标定位方法

本文提出了一种新的评估协议，其中完全监督仅限于与测试集不重叠的少量保留集，进一步验证了在只有图像级标签的情况下 WSOL 任务是存在问题的，而实现了评估协议的五种最新 WSOL 方法并没有显著优于 CAM 基线，同时我们还发现现有 WSOL 方法并未达到在不同情况下采用完全监督的训练基线水平，提出了 WSOL 未来的一些方向。

Jan, 2020

基于 Transformer 的弱监督目标定位及隐式空间校准

该论文介绍了一种用于高精度弱监督下物体定位的外部模块 —— 空间校准模块（SCM），用于调整 Transformer 的长程建模，以帮助捕捉物体的空间一致性，提高训练期间的信息传输效率和生成的注意力图的边界精度，从而显着提高了性能表现。

Jul, 2022

弱监督物体定位中的本地化反思

通过引入二分类检测器和加权熵损失函数，提出了一种改进的弱监督目标定位方法，解决了现有方法中单类回归和噪声边界框带来的限制和问题。在 CUB-200-2011 和 ImageNet-1K 数据集上的实验结果表明了我们方法的有效性。

Aug, 2023