ICCVAug, 2021

通过学习边界框调节器增强弱监督目标检测

PDF
TL;DR本文使用一个 well-annotated auxiliary dataset 中的 bounding box regression 知识来改进 Weakly-supervised object detection，采用一种 class-agnostic 的多阶段训练的可学习的 bounding box adjuster，进一步提高了方法的性能，实验结果验证了方法的有效性。
weakly-supervised object detectionbounding box regressionlearnable bounding box adjustersmulti-stage traininglbba-boosted wsod
发现论文，激发创造
  • Cap2Det: 学习放大弱标注的图像对象检测

    使用文本描述来训练文本分类器，并从中获取足够的信息进行目标实例的弱监督检测，从而实现对于大量自由上传图像信息数据的有效物体定位。

    Jul, 2019

  • 遥感图像中的弱半监督目标检测

    利用弱监督的深度学习模型和少量边界框标记图像，可以在遥感图像中检测物体，从而减少对边界框标记的依赖，提高模型性能。

    Nov, 2023

  • 利用弱监督物体检测中的不稳定性

    提出了一种以多个检测分支为基础的弱监督物体检测方法，通过不同的初始化方式来利用不稳定性从而提高性能，在 PASCAL VOC 基准测试中达到了最新的最优性能表现。

    Jun, 2019

  • WSOD^2：学习自下而上和自上而下的目标重要性提取技术用于弱监督目标检测

    本文介绍一种新型的弱监督目标检测框架 WSOD^2，该框架通过联合考虑低层测量，CNN 置信度和自适应线性组合来确定多个回归目标，并通过区域提议学习来逼近回归目标，最终取得了最先进的结果。

    Sep, 2019

  • 弱监督目标检测中的物体感知实例标注

    本文提出更有效的实例标记方法，利用上下文分类损失方法解决物体部分区域被错误标记的问题并通过空间限制标记负对象，应用于 PASCAL VOC 2007 和 2012 数据集进行训练，在弱监督物体检测领域取得了一定的突破。

    Aug, 2019

  • W2N: 从弱监督到嘈杂监督的物体检测转换

    提出一种新的 WSOD 框架，通过采用 W2N 范式将弱监督转换为噪声监督，提供了一个两模块迭代训练算法来改善用于监督半监督检测框架的伪标签，并获得更好的物体检测器。

    Jul, 2022

  • 读取、查看和检测：从图像 - 标题对中标注边界框

    本文提出一种使用图像标题对来进行弱监督的目标检测和短语定位的方法，并利用视觉语言（VL）模型和自监督视觉变压器（ViTs）进行实验，取得了较好的结果。

    Jun, 2023

  • 弱监督检测变压器技术推动新型目标检测的扩展

    本文提出一种弱监督检测变换器 (Weakly Supervised Detection Transformer) 方法，通过利用大规模预训练数据集的知识，实现对百余种新颖物体的检测，并优化多实例学习框架，从而在大规模新颖物体检测数据集上优于现有模型，在 WSOD 预训练中类别数量比图像数量的重要性更大。

    Jul, 2022

  • PCL: 弱监督目标检测的提议聚类学习

    本文提出了一种新颖的深度网络用于弱监督目标检测，通过生成提案聚类来学习精细的实例分类器，能够有效防止网络过度关注物体部分而不是整体，实验表明该方法明显优于现有技术。

    Jul, 2018

  • 弱监督目标检测中的监督恢复

    本研究提出了一个框架，名为 SoS，旨在利用 WSOD 的潜在监督信号，其中包括图像级标签、伪标签和半监督物体检测。在实验中，SoS-WSOD 方法在 VOC2007，VOC2012 和 MS-COCO 上取得了显著的改进和较高的性能，并且具有快速推断速度。

    Jun, 2021