CVPRMay, 2022

CREAM: 通过类别 RE - 激活映射实现弱监督目标定位

PDF
TL;DR本文提出一种基于类聚合的新型方法 - Class RE-Activation Mapping (CREAM)，并使用 CAM-guided momentum preservation 策略学习上下文嵌入时，利用高斯混合模型推导出一种无监督的期望最大化软聚类算法，有效地解决在弱监督目标定位过程中遇到的局部不准确定位问题，并在数据集 CUB、ILSVRC 和 OpenImages 等基准数据集中实现了 state-of-the-art 的性能表现。
weakly supervised object localizationclass re-activation mappingcluster-based approachcam-guided momentum preservationgaussian mixture model
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

  • 基于区域分类激活图的弱监督目标定位袋装技术

    本文提出了一种名为 BagCAMs 的插入式机制，使用该机制可以让弱监督目标定位方法（WSOL）的性能得到大幅提高，并在三个 WSOL 基准测试上获得最佳表现。BagCAMs 采用了区域本地化器生成（RLG）策略来定义一组区域本地化器，并从训练有素的分类器中导出它们。

    Jul, 2022

  • 无监督对象定位和语义分割中，不考虑类别的激活映射对比学习

    该研究提出了使用无标签图像数据进行不需要图像级监督的类无关激活图生成的对比学习方法（Contrastive learning for Class-agnostic Activation Map），得到了更完整的物体区域，并应用于弱监督目标定位和语义分割中。

    Mar, 2022

  • 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

  • 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

  • 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

  • 弱监督物体定位的背景激活抑制

    本篇论文提出一种 Background Activation Suppression（简称 BAS）的方法来实现弱监督对象定位（WSOL）任务，在该方法中使用的前景预测图（FPM）和 Activation Map Constraint module（AMC）可从多个方面优化定位结果。实验证明，与以往方法相比，BAS 在 CUB-200-2011 和 ILSVRC 数据集上均达到了显著的改进。

    Dec, 2021

  • 弱监督语义分割的跨语言图像匹配

    本文提出了一种基于 CLIP 模型的跨语言图像匹配框架 CLIMS，通过自然语言监督以激活更合理的物体区域和抑制相关的背景区域，并使用一组预定义的类相关背景文本描述来防止模型激活相关背景区域，在 PASCAL VOC2012 数据集上进行了充分的实验，该方法明显优于之前的最先进方法。

    Mar, 2022