Two-Phase Learning for Weakly Supervised Object Localization

Background

1. Weakly supervised semantic segmentation and localization have a problem of focus only on the most important parts of an image since they use only image-level annotations.

2. The complete extent of objects are good for object localization.

3. A novel method is proposed to cover the entire parts of objects.

Main points

To cover the entire parts of objects, a simple way is to find the most discriminative part, the second most discriminative part and so on. When locating the second most discriminative part, we mask out the most discriminative one. This is the core idea of this paper.

1. Find the most discriminative parts of an image as usual, which is done by the first network.

2. Mask out the most discriminative parts of an image.

3. Train the same network to find the second most discriminatvie parts.

Drawbacks

1. The network is not shared during two-phase learning.

2. The network can not be trained in an end-to-end manner.

来源：网络

智能推荐

弱监督目标检测算法论文阅读（五）Combinational Class Activation Maps for Weakly Supervised Object Localization

Abstract 弱监督的对象定位最近吸引了关注，因为它旨在通过使用图像级标签来识别类标签和对象位置。先前的大多数方法都使用与最高**源相对应的**图。仅利用一个最高概率类别的**图通常会偏向有限的区域，有时甚至会突出显示背景区域。为了解决这些局限性，我们建议使用**图，称为组合类**图（CCAM），这是从最高到最低概率类的**图的线性组合。通过使用CCAM进行定位，我们抑制了背景区域，以帮助更准...

Background Suppression Network for Weakly-supervised Temporal Action Localization

Background Suppression Network for Weakly-supervised Temporal Action Localization 提出问题：弱监督视频动作定位中，先前的方法聚合帧级别的类分数，以产生视频级别的预测并从视频级别的动作中学习。此方法无法完全模拟问题，因为背景帧被迫错误地分类为行动类别，无法准确预测视频级标签。做了什么：设计了背景抑制网络（BaSN...

论文阅读笔记 | (IJCAI 2018 Oral) Collaborative Learning for Weakly Supervised Object Detection

论文来自于上海交通大学，点击下载 Abstract 训练一个高准确率的检测模型需要大量精细标注的图片数据，其成本很高。本文提出了一种弱监督协同学习框架，仅使用粗略标签的图片训练目标检测模型，测试结果显示其定位精确率和检测准确率均显著优于目前最先进的方法。本论文提出了一种弱监督协同学习（WSCL）的框架，将弱监督学习网络和强监督学习网络连接成为一个整体网络，通过一致性损失（consistency ...

论文笔记（五） C-MIL: Continuation Multiple Instance Learning for Weakly Supervised Object Detection

论文笔记（五） C-MIL: Continuation Multiple Instance Learning for Weakly Supervised Object Detection 这是cvpr2019的oral，还是一篇基于弱监督的目标检测论文。关于弱监督目标检测的定义在上一篇笔记中已经讲过了传送门。与上一篇论文中要缓解的问题一样，即弱监督的损失局部极小问题，但是这篇论文的处理方法更...

Weakly Supervised Learning of Object-Part Attention Model for Fine-Grained Image Classification

Weakly Supervised Learning of Object-Part Attention Model for Fine-Grained Image Classification abstract：本文作者提出了一种弱监督的方法，它只需要图像级的标签来进行细粒度的分类。 1.introduction 有的两个物种的差别特别小，只有特别专业的人才能鉴别出来，关键是找到两个的鉴别区。如果...

猜你喜欢

opc使用教程

新新opc使用教程如上图所示，以图片的序号为下面的说明序号对应： 1.用于获取本机的账号。 2.选择本机获取到的账号。 3.选择获取到的本机的一个opc server。 4.点击建立连接，最下面的运行日志，会有显示，连接成功与否。 5.开始浏览标签，即可获取到opc server中的所有标签，选择一些标签。 6.这一列和右侧类似的列会显示，你所选择的标签。 7.读取标签，读取间隔为2s. 8.这...

构建Xamarin.Forms NuGet

探索Xamarin.Forms（并在代码中变得更加舒适）的一个很好的方法是克隆存储库并运行它，特别是任何ControlGallery项目。我们知道您中有许多人已经做到了这一点，所以您可以采取的下一步是为XAMarin.Forms进行自己的定制，以便在组织内构建和分发您自己的NuGet软件包。在这篇文章中，让我们在本地进行一下，然后讨论如何在Visual Studio Team Services...

tomcat项目上线

目前我用的eclipse，myeclipse同样也是一样的操作右击项目选中在您要导出的项目上点击鼠标右键，选择Export 然后选择路经起名字然后finish。接下来就是把war包放入tomcat服务器中，首先启用远程连接命令连接服务器远程连接的就是你购买的服务器的公网IP地址。用户名一般都是Adminnistrator 密码是在阿里云控制台中设置连接完毕...

session的实例

3、将要获取的name放在一个类对象中将1中的name修改为将2中的String改为Person 然后输出 4、设置失效时间 5、 session和cookie的区别 cookie是把用户的数据写给用户的浏览器，浏览器保存（可以保存多个） session把用户的数据写到用户独占session中，在服务器端保存（保存重要信息，减少服务器的资源浪费） session对象由服务器创建； 6、使用场景...

安装jdk 缺少jvm.dll 问题

下载JDK： https://www.oracle.com/technetwork/java/javase/downloads/index.html 配置环境变量：一般装完jdk配置好环境变量就没问题了，第一次碰到不存在jvm.dll的情况。安装1.7就不会，所以把1.7里JDK\bin 和 jre\bin 里面的jvm.dll所在的client、server目录拷贝到1.8对应的目...