CPR++:通过单一粗糙点监督进行物体定位
原文中文,约200字,阅读约需1分钟。发表于: 。通过选择语义中心点替代初始标注点,我们提出了粗糙点细化(CPR)方法,该方法从算法角度首次尝试减轻语义变异问题,并结合采样区域估计模块和级联结构进行全局优化,进一步整合方差正则化来集中预测分数,实现高性能对象定位。
本文介绍了一种基于点注释的弱监督目标检测方法,使用Point DETR模型训练。实验结果显示,该方法在MS-COCO数据集上使用20%的样本标注数据时,性能达到33.3 AP,比FCOS强基线模型高出2.0 AP。点注释还能提高各类AR指标10个点以上。