弱教師付き物体検出のための自己知識蒸留による空間尤度投票【JST・京大機械翻訳】

Chen Ze; Fu Zhihang; Huang Jianqiang; Tao Mingyuan; Jiang Rongxin; Tian Xiang; Chen Yaowu; Hua Xian-sheng

プレプリント

J-GLOBAL ID：202202217719192487 整理番号：22P0332187

弱教師付き物体検出のための自己知識蒸留による空間尤度投票【JST・京大機械翻訳】

Spatial Likelihood Voting with Self-Knowledge Distillation for Weakly Supervised Object Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年04月14日プレプリントサーバーでの情報更新日： 2022年04月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

画像レベルアノテーションのみを用いて物体検出モデルを訓練する有効な方法である,弱い教師つき物体検出(WSOD)は,研究者からかなりの注目を集めている。しかしながら,多重インスタンス学習(MIL)に基づく既存の方法の大部分は,すべてのオブジェクトの全コンテンツの代わりに,顕著な物体の識別部分にインスタンスを局所化する傾向がある。本論文では,自己知識蒸留ネットワーク(SLV-SDネット)を用いた空間尤度投票と呼ばれるWSODフレームワークを提案した。このフレームワークでは,ボックスアノテーションを結合せずに領域提案位置確認を収束するために,空間尤度投票(SLV)モジュールを導入した。具体的には,訓練中の各反復において,与えられた画像におけるすべての領域提案は,空間次元における各カテゴリの尤度に対する投票者投票として働いている。大きな尤度値を持つ領域上のアラインメントを拡張後,投票結果を結合ボックスとして正則化し,次に最終分類と局所化に用いた。SLVに基づいて,さらに,与えられた画像の特徴表現を洗練するために,自己知識蒸留(SD)モジュールを提案した。SLVモジュールによって作り出される尤度マップを用いて,バックボーンネットワークの特性学習を監督し,画像のより広いより多様な領域へのネットワークを奨励する。PASCAL VOC 2007/2012とMS-COCOデータセットに関する広範な実験は,SLV-SDネットの優れた性能を示した。さらに,SLV-SD Netは,これらのベンチマークに関する最新の結果を生成する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般 , 人工知能

, , , , ,

前のページに戻る