论文笔记《IS object localization for free? Weakly-supervised learning with convolutional neural network》

本文研究了基于CNN的弱监督学习在对象定位中的效果。通过修改Alexnet,将全连接层替换为卷积层,并利用多尺度训练,提升了小目标定位的准确性。实验表明,网络结构能较好地定位目标位置,而上下文信息对定位至关重要。尽管定义的定位标准非通用,但丰富的实验验证了方法的有效性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

motivation

作者指出对于检测来说,一般需要更多的标注信息,检测的效果才会好,但是标注信息需要浪费人工去标注,代价大,同时,也会加入标注者的主观信息,更重要的是标注信息并不是对所有的图片中的物体都有很好的检测效果,对于遮挡和裁剪的目标对象,标注信息就会非常困难。作者探究能否用image label训练。

Network architecture

这里写图片描述
网络结构是在Alexnet的基础上,将第六、七层的全连接层改为卷积层,再加上两层自适应卷积层,最后一个自适应卷积层后面添加max-pooling层,输出响应最大的点。因为整个网络只有卷积层,所以对输入图像的大小没有限制,前五个卷积层是在Imagenet上进行训练的,后面的几层是在Pascal数据集上进行训练的,所以虽然层数很多,但总体的训练时间没有很长。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值