CVPRMar, 2021

利用弱监督进行检测感知的预训练

PDF
TL;DR本文提出了一种检测感知的预训练方法，使用弱标记分类样本集（如 ImageNet）进行预训练，但该方法是专门针对目标检测任务进行设计的，并通过一种基于类激活图的弱监督目标定位方法将分类数据集转换为检测数据集以直接预训练检测器，使得预训练模型具备了位置感知能力和边界框预测能力，结果表明该方法在 VOC 和 COCO 等下游检测任务中的样本效率和收敛速度方面均优于传统的基于分类的预训练方法，在下游任务样本较少时，该方法能大幅度提高检测精度。
detection-aware pre-trainingweakly-labeled datasetsobject detectionsample efficiencyconvergence speed
发现论文，激发创造
  • 弱监督深度检测网络

    本文探讨探索深度卷积神经网络的力量，提出了一种弱监督的深度检测架构，该架构可以同时进行区域选择和分类，并使用图像分类器训练，从而比实现图像级分类任务的标准数据增强和微调技术更好地学习目标探测器。

    Nov, 2015

  • 目标检测预训练分析

    文章分析了卷积神经网络在物体检测任务上的预训练方法对小规模数据集的图像分类、语义分割和物体检测等任务的影响，并得出了四个关键结论。

    Apr, 2019

  • 弱指导自监督预训练用于时间活动检测

    本文提出了一种新的弱引导自我监督预训练方法，即用大规模分类数据设计一个检测任务，无需额外注释，通过生成帧级伪标签、多动作帧和动作片段等，以弱标签进行自我监督的预训练，证明该方法在多项含有挑战性的活动检测基准测试中优于先前工作，并提供了如何使用所提供的模型进行活动检测的进一步见解。

    Nov, 2021

  • 基于活动的弱监督目标检测

    我们的研究工作在弱监督目标检测方面尝试利用不仅仅是物体类别标签，还使用数据中关联的动作标签；我们发现图像 / 视频中描绘的动作可以为相关物体的位置提供强烈的线索，并利用动作学习了一个与物体相关的空间先验，并将其融入到联合目标检测和动作分类模型中进行同时训练。我们在视频数据集和图像数据集上进行了实验来评估我们的弱监督目标检测模型的性能，结果表明，在 Charades 视频数据集上，我们的方法在 mAP 上比当前最先进的方法提高了 6% 以上。

    Apr, 2019

  • 自监督检测预训练的实例定位

    本研究旨在推进自主学习预训练模型专门用于物体检测。通过提出一种名为实例定位的自我监督预文本任务，该任务涉及将图像实例粘贴到背景图像的各个位置和尺度上。将包围框集成到预训练中可促进更好的任务对齐和转移学习的架构对齐。通过在边界框上应用增强方法，模型成为弱于 Imagenet 语义分类但强于图像补丁定位的更强的预训练模型，对 PASCAL VOC 和 MSCOCO 上的物体检测产生最先进的转移学习结果。

    Feb, 2021

  • 面向检测的图像 - 文本预训练的开放词汇测量

    基于检测导向的图像 - 文本预训练的新的开放词汇检测方法用于填补图像级预训练和开放词汇对象检测之间的差距，通过使探测器头从嘈杂的图像 - 文本对中学习，我们的方法能够利用对比损失学习到新出现的对象 - 语义线索，在 LVIS 和 COCO 基准测试中均获得了非常有竞争力的结果，并在转移检测设置中显著优于基线。

    Sep, 2023

  • 图像分类网络的发展预训练（DPT）

    以满足日益增长的深度神经网络对目标识别的数据需求为背景，本文提出了一种可能的解决方案，即发展性预训练（DPT），它是一种基于课程的预训练方法，旨在与那些对数据需求很大的传统预训练技术竞争。本文从人类婴儿视觉发展中汲取灵感，设计了 DPT 的课程，并采用阶段性的方法向网络传授精心选择的基本和普遍特征。通过将经历了 DPT 训练的模型与具有随机权重的模型进行对比评估，验证了 DPT 的可行性。

    Dec, 2023

  • 通过渐进式域自适应进行跨领域弱监督物体检测

    本文提出了一种跨域弱监督目标检测的框架，通过对源领域上有实例级别注释的图像和目标领域上仅有图像级别注释的图像进行双重领域适应技术进行微调，取得了 5 到 20 个百分点的均值平均精度改进。

    Mar, 2018

  • 领域自适应人员搜索

    本文提出了一种基于领域自适应的人员搜索模型 (DAPS)，该模型通过设计一种新的领域自适应模块，最小化领域偏差，并结合伪边界框及动态聚类策略，帮助模型在未标记目标域中训练人员检索任务，实现了相对于现有方法更高的性能。

    Jul, 2022

  • 面向视觉的三维目标检测的几何感知预训练

    提出了一种名为 GAPretrain 的几何意识预训练框架，通过使用几何丰富的模态和来自 LiDAR 点云的结构提示，实现跨不同模态之间的属性转移，从而解决多镜头自动驾驶中图像和视角不一致的问题，实现了很好的效果。

    Apr, 2023