- HUWSOD: 统一弱监督目标检测的全面自学习
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 - 基于负样本原型的对比学习用于无监督目标检测
利用弱监督图像级别注释进行弱监督目标检测(WSOD)近年来引起了广泛关注。本文提出了负样本原型引导的对比学习(NPGC)架构,通过定义负样本原型、构建全局特征库、采样可靠实例以及在嵌入空间中进行对比学习来优化提案的特征表示,实现了最先进的检 - 在胸部 X 光中使用可区分的 ROI 提议网络和软 ROI 池化进行弱监督对象检测
提出了一种用于医学图像中疾病定位的新方法 —— 弱监督 ROI 提议网络 (WSRPN),该方法通过专门的感兴趣区域 - 注意力模块实时生成边界框提议。在胸部 X 射线图像的具有挑战性的疾病定位任务中,实验证明该方法优于现有方法。
- AAAI弱监督开放词汇物体检测
提出了一种弱监督开放式词汇目标检测(WSOVOD)框架,扩展了传统的弱监督目标检测方法,实现了对新概念的检测和仅使用图像级别标注的多样数据集的利用。
- 基于解剖学的胸部 X 射线病理检测
病理检测和描述能够自动解释医学扫描,如胸部 X 线片,同时提供高水平的可解释性,以支持放射科医生做出明智决策。
- ICCV弱监督目标检测的周期引导标记
该研究探索了如何通过引入可靠的教师网络的排名信息来优化 MIDN 的伪标签质量,提出了循环引导标记(CBL)框架,通过新颖的类别特定排名蒸馏算法,指导 MIDN 在相邻提议中分配更高的分数,并在主流数据集上证明了其优越的性能。
- 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。
- 通过交互式对比学习上下文信息实现精准弱监督目标检测
本文提出了一种交互式端到端弱监督物体检测框架 iGCL,通过引入两种针对 WSOD 特定的上下文信息和交互式图对比学习机制,实现更好的检测性能。在 PASCAL VOC 和 MS COCO 基准测试上,该框架表现优于其他最先进方法和基准模型 - ECCV弱监督物体检测的对比学习目标发现
本文提出了一种名为 object discovery 的多实例标注方法以及一种名为 weakly supervised contrastive loss(WSCL)的新对比损失函数用于针对 WSOD 任务,取得了在 MS-COCO2014/ - CVPR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 - CVPRSIOD: 单个实例、每个图像每个类别的物体检测标注
提出 Single Instance annotated Object Detection (SIOD) 及其所使用的 Dual-Mining 方法来进行半监督目标检测,此方法只需要一个样本的注释信息,且在 MS COCO 数据库实验中效果 - CVPR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 - 综合关注自我蒸馏用于弱监督物体检测
Comprehensive Attention Self-Distillation (CASD) is a new training approach for Weakly Supervised Object Detection (WSOD - 基于深度特征的多实例学习用于极端领域变化下的弱监督目标检测
研究使用多实例方法和预先训练的深度特征进行弱监督物体检测,不需要微调或跨域学习,在非摄影数据集上表现优秀,包括绘画、水彩画、剪贴画和漫画等。
- ECCV利用渐进式知识迁移提升弱监督目标检测
本文提出了一种有效的知识转移框架,利用一个在类别上与目标领域不重叠的外部全注释源数据集,迭代地转移源域知识,通过一个单类通用探测器学习目标域的探测器,并从中挖掘每次迭代中目标域探测器挖掘的伪实例,有效提高了单类通用探测器,从而更全面地利用和 - CVPRSLV: 弱监督物体检测的空间似然投票
本文提出了一种基于空间似然投票模块的 WSOD 方法,该模块可以收敛定位过程,同时进一步提高检测性能,得到了 PASCAL VOC 2007 和 2012 数据集上的优越成果。
- CVPR多示例检测网络中的细化知识精炼
本文提出了一种名为 “知识蒸馏细化” 的改进方法和一种自适应的监督聚合函数,以显着提高弱监督目标检测和定位任务的 OICR 性能,并使其具有其他最先进方法的竞争力。
- 弱监督目标检测的物体实例挖掘
本文提出一种基于 end-to-end 的物体实例挖掘框架,通过引入空间和外观图上的信息传递,尝试检测每张图像中可能存在的所有物体实例,以解决针对仅有图像级注释的弱监督物体检测(WSOD)的性能问题,并在 VOC 2007 和 2012 两 - ICCV面向精确的端到端弱监督物体检测网络
本论文提出一种通过端到端的方式联合训练多阶段模型来解决弱监督目标检测网络中的对象位置精确预测问题的方法,该方法引入了多例学习、包围框回归和分类损失引导的注意力模块等多种算法,实验结果表明该方法能够达到最佳的性能表现。
- AAAI弱监督目标检测:从人 - 物互动中转移知识
介绍了一种基于弱监督物体检测的方法来检测不常见的物体,该方法使用人 - 物体交互的可转移知识来监督图像中的复杂语义,通过传递已经训练过的关于本体识别的 RRPN 的定位图的知识,可以学习到新领域中 HOI 的弱监督物体检测技术。