Jun, 2024
HUWSOD: 统一弱监督目标检测的全面自学习
HUWSOD: Holistic Self-training for Unified Weakly Supervised Object
Detection
TL;DR本文介绍了一种统一的，高容量的弱监督目标检测网络HUWSOD，它利用了一个全面的自我训练框架，在不需要外部模块或额外监督的情况下生成候选区域。HUWSOD创新性地结合了自我监督的候选生成器和自编码器候选生成器，以及多速率重采样金字塔，取代了传统的目标候选提案，实现了端到端的弱监督目标检测训练和推断。另外，我们实现了一个整体的自我训练方案，通过逐步熵最小化和一致性约束正则化来完善检测得分和坐标，确保在同一图像的随机增强中得出一致的预测。基于对PASCAL VOC和MS COCO的广泛实验证明，HUWSOD与最先进的弱监督目标检测方法相媲美，消除了离线提案和额外数据的需求。HUWSOD的最佳性能接近于完全监督的Faster R-CNN。我们的研究结果还表明，虽然与精心设计的离线目标提案有明显差异，但随机初始化的框对于弱监督目标检测的训练是有效的。