Weakly Supervised Object Detection via Object-Specific Pixel Gradient

最新推荐文章于 2023-01-01 19:02:17 发布

原创最新推荐文章于 2023-01-01 19:02:17 发布 · 412 阅读

1 ·

CC 4.0 BY-SA版权

深度学习同时被 2 个专栏收录

43 篇文章

订阅专栏

图像处理

38 篇文章

订阅专栏

本文介绍了一种基于图像梯度的弱监督目标检测方法，通过OPG图定位目标，采用迭代组件挖掘和精确边界框推断提高检测精度，并设计平均最大池化层解决CNNs中maxpooling的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

paper:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8333805

简介：目前先有的弱监督目标检测方法大多将其作为一个多示例问题，产生候选区域，然后分类器判断类别的方式进行获得位置信息。本文作者利用图像梯度，提出了一种新的定位目标框的方式。

1.在目标分类网络中，目标所在区域反映到特征上是显著的，基于这个出发点，展开。

首先定义 ${\rm{x}} \in {{\rm{R}}^{H \times W}}$ 是输入图像， $y \in {\{ 0,1\} ^k}$ 是图像级的标签， $k$ 是图像类别数量， $H$ 是图像的高度， $W$ 是图像的宽度。第 $k$ 类目标的得分表示为 $s_k$ .训练集的平均图片个平均分数为 ${\rm{\bar x}}$ ， ${\rm{\bar s}}$ .所以， ${\rm{\bar s_k}}$ 是第k类的平均得分。构建损失函数：

最小化式1使 ${{\rm{s}}_k} \to {\bar s_k}$ 。

图像x的梯度为

展开;

这儿， $z_l$ 是第l层的特征图， $\nabla {d_k}$ 表示第k类得分对图像x的梯度。图像梯度如图三所示。

2. Iterative Component Mining

首先将OPG图的像素分为g组，根据相应加权（这其实没搞懂怎么做的），然后使用一个阈值为 $\gamma$ 后验分布将每一组分配给第f个component。最后，用最小包围框提取对象的bounding box。

作者认为这仍然是不足的。为此，迭代地屏蔽已经找到的组件，并用一种新的ICM方案挖掘潜在的对象(或组件)

此处， $\nabla D$ 为了累计梯度， $t$ 表示第t次迭代。

$\nabla D$ 就是OPG。

3. Inferring Precise Bounding Box

特定对象类别的边界框从对应的OPG映射中获得。直观地说，OPG映射中的高值对应于此图像中对象的关键组件。然而，OPG图中的低值并不一定对应于背景，如图2所示。在某些情况下，响应得分很低，因为接受域会在目标对象最重要的区域触发，这会使该对象不那么重要的区域的响应退化。这是在人类视觉系统中经常观察到的现象。接下来，引入一种迭代的方法来推断一个精确的边界框。首先对 $\nabla D$ 阈值化处理。

然后，产生一个新的掩码图像

$\chi$ 有三个选择，， ${\rm{\hat x}}$ 是均值， $\xi$ 是0到255的随机数。然后更新模型

这儿

4 Average and Max Pooling Layer

到目前为止，所提出的OPG图很容易找到物体的定位特征，如头部的cat。然而，对于物体的定位和检测，我们需要找出物体的所有组成部分，例如猫的身体。这个问题主要是由于CNNs中常用的max pooling的操作。在max池中，只有每个池区域的最大激活被维护并传播到下一层，这通常会忽略给定对象的非显著组件，所以作者设计了平均最大池化（AMP）。

u和v为AMP层的输入和输出。 $w = \{ {u_{ij}}|{u_{ij}} \in u,{u_{ij}} > \xi ,1 \le i \le h,1 \le j \le w\}$ ，h和w是u的长度和宽度。定义