（CVPR2021）基于结构保持的弱监督目标定位

基于CAM的弱监督定位方法主要通过多样的空间正则提高目标响应区域，忽略了模型中隐含的目标结构信息。我们提出了基于高阶相似性的目标定位方法 (SPA)，充分挖掘了模型隐含的目标结构信息，显著提高了弱监督目标定位准确度。

目前代码已开源：

https://github.com/Panxjia/SPA_CVPR2021

弱监督目标检测近年来逐渐受到国内外研究机构以及工业界关注。基于全监督的目标检测方法需要耗费大量的人力、物力获取大量准确的标注信息，对于任务更新以及迁移极其不友好。近年来，全世界范围内的研究者试图从弱监督学习方面突破标注数据的限制，为目标检测寻找一种更加高效、低廉的解决框架

弱监督定位研究如何仅利用图像的类别标签对图像中目标进行定位。

2014年MIT提出的类别响应图CAM，得到目标的响应掩模，之后通过最小包围框得到目标的定位结果。CAM得到的类别响应掩模只能覆盖目标最具判别性的局部区域，如图1第二行所示。后续的研究工作多通过空间正则技术，如通过擦除、多分支补充等方法试图扩大类别响应区域。虽然在响应区域上有一定的改善，但是现有的工作均忽略了保持目标结构特性的重要性，无法刻画目标的边缘、形状等特性。另外，现有方法的分类网络均采用Global Average Pooling(GAP)结构对特征进行聚合，这在一定程度上损失了目标的结构信息。

本文提出了一种两阶段的弱监督目标定位方法(SPA)，从模型结构与类别响应图两个方面优化定位结果，提高响应掩模的准确度。整体方法框架如图2所示。

具体地，从模型结构方面，我们提出了受限激活模块。

现有方法中往往采用Global Average Pooling (GAP)+Softmax的分类结构，这种结构导致模型丢失目标结构信息，主要原因包括：

一，GAP结构将前景目标与背景区域混为一谈，限制了模型定位前景目标的能力；

二，无限制的类别响应特征图往往出现局部极高响应误导模型分类的现象，不利于模型准确定位到目标的位置。

因此，我们设计了一个简单有效的受限激活模块，主要包括两个部分：

一，我们首先通过计算每个特征位置在类别响应图上的方差分布得到粗略的伪mask, 用以区分前背景；

二，我们利用Sigmoid操作对类别响应特征图进行归一化，之后利用提出的受限激活损失函数引导模型关注目标前景区域。