【NeurIPS2020】针对弱监督目标检测的综合注意力自蒸馏

2020 年 11 月 12 日 专知


弱监督目标检测(WSOD)已经成为一种仅使用图像级别的类别标签训练目标检测器的有效工具。然而,由于没有目标级标签,WSOD检测器容易检测出显著物体、聚杂物体和判别性物体部分上的标注框。此外,图像级别的类别标签不会强制对同一图像的不同变换进行一致的目标检测。针对上述问题,我们提出了一种针对WSOD的综合注意力自蒸馏(CASD)训练方法。为了平衡各目标实例之间的特征学习,CASD计算同一图像的多个变换和特征层聚合的综合注意力。为了加强对目标的一致空间监督,CASD对WSOD网络进行自蒸馏,通过对同一幅图像的多个变换和特征层同时逼近全面注意力。CASD在标准数据集上如PASCAL VOC 2007/2012和MS-COCO产生了最好的结果。


https://www.ri.cmu.edu/publications/comprehensive-attention-self-distillation-for-weakly-supervised-object-detection/


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“CASD” 可以获取《【NeurIPS2020】针对弱监督目标检测的综合注意力自蒸馏》pdf专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
3

相关内容

【NeurIPS2020】可靠图神经网络鲁棒聚合
专知会员服务
19+阅读 · 2020年11月6日
【NeurIPS2020-FB】学习具有可解码信息瓶颈的最优表示
专知会员服务
22+阅读 · 2020年10月13日
【NeurIPS2020】图网的主邻域聚合
专知会员服务
32+阅读 · 2020年9月27日
注意力图神经网络的小样本学习
专知会员服务
191+阅读 · 2020年7月16日
专知会员服务
26+阅读 · 2020年2月15日
【KDD2020】图神经网络生成式预训练
专知
22+阅读 · 2020年7月3日
【ICML 2020 】小样本学习即领域迁移
专知
5+阅读 · 2020年6月26日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Arxiv
4+阅读 · 2018年5月24日
VIP会员
Top
微信扫码咨询专知VIP会员