[论文解读] One-Bit Object Detection: On learning to localize objects with minimal supervision.

Hyun Oh Song, Ross Girshick+4 more|arXiv (Cornell University)|Mar 5, 2014

Advanced Neural Network Applications被引用 12

一句话总结

该论文提出了一种仅使用图像级标签（指示目标存在或不存在）进行目标定位的一比特目标检测方法。通过结合判别式子模覆盖以发现正样本窗口，以及使用平滑潜在SVM与拟牛顿优化，该方法在标准基准测试上相对于最先进方法实现了约70%的平均精度（AP）相对提升。

ABSTRACT

Learning to localize objects with minimal supervision is an important problem in computer vision, since large fully annotated datasets are extremely costly to obtain. In this paper, we propose a new method that achieves this goal with only image-level labels of whether the objects are present or not. Our approach combines a discriminative submodular cover problem for automatically discovering a set of positive object windows with a smoothed latent SVM formulation. The latter allows us to leverage efficient Quasi-Newton optimization techniques. Our experiments demonstrate that the proposed approach provides approximately 70% relative improvement in average precision over the current state of the art on standard benchmark datasets.

研究动机与目标

• 为解决完全标注目标检测数据集的高昂成本，实现仅使用图像级标签进行目标定位。
• 开发一种弱监督学习方法，无需边界框标注即可发现相关目标窗口。
• 通过利用子模优化与高效优化技术，在最小监督下提升定位精度。
• 在仅使用存在/不存在标签的情况下，超越现有最先进方法在标准基准测试上的平均精度表现。

提出的方法

• 该方法使用判别式子模覆盖，从图像级标签中自动识别一组正样本目标窗口。
• 将检测问题表述为平滑潜在SVM，以支持高效的拟牛顿优化。
• 平滑潜在SVM允许端到端训练，同时保持可微性与收敛性保证。
• 该方法通过弱监督联合优化目标窗口选择与检测器参数。
• 子模优化确保所选正样本窗口候选具有多样性与高质量。

实验结果

研究问题

• RQ1 能否仅使用指示目标存在或不存在的图像级标签，有效学习目标定位？
• RQ2 在弱监督下，如何利用子模优化发现有意义的正样本目标窗口？
• RQ3 平滑潜在SVM表述是否能实现在极少监督下的高效且精确训练？
• RQ4 与现有弱监督目标检测方法相比，该方法在平均精度上的提升程度如何？

主要发现

• 所提方法在标准基准数据集上相对于当前最先进方法实现了约70%的平均精度（AP）相对提升。
• 采用判别式子模覆盖显著提升了从图像级标签中选择正样本窗口的质量。
• 平滑潜在SVM表述通过拟牛顿方法实现了有效优化，提升了收敛性与性能。
• 该方法在极少监督下展现出强大的泛化能力，优于先前的弱监督检测方法。