BriefGPT - AI 论文速递
·
弱监督物体定位中的本地化反思
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的弱监督目标定位方法，称为伪监督目标定位（PSOL）方法。该方法将弱监督目标定位分为类不可知对象定位和对象分类两个部分，并使用PSOL方法生成噪声伪标注来进行类不可知对象定位。在此基础上进行边界框回归，通过该方法生成的伪边界框在未进行精调的情况下，在ImageNet数据集上实现了58.00%的定位精度和CUB-200数据集上的74.97%的定位精度，具有很好的可迁移性。
🎯
关键要点
- 提出了一种新的弱监督目标定位方法，称为伪监督目标定位（PSOL）方法。
- PSOL方法将弱监督目标定位分为类不可知对象定位和对象分类两个部分。
- 使用PSOL方法生成噪声伪标注来进行类不可知对象定位。
- 在此基础上进行边界框回归。
- 生成的伪边界框在未进行精调的情况下，在ImageNet数据集上实现了58.00%的定位精度。
- 在CUB-200数据集上实现了74.97%的定位精度，具有很好的可迁移性。
➡️
