摘要

共定位（Co-localization）是指仅使用包含同一类对象的图像集来定位这些对象的问题。这是一个具有挑战性的任务，因为对象检测器必须在没有负样本的情况下构建，而负样本可以提供更具信息量的监督信号。我们方法的主要思想是对一个通用预训练卷积神经网络（CNN）的特征空间进行聚类，以找到一组对于某一对象类别始终且高度激活的CNN特征，我们称之为类别一致性CNN特征（category-consistent CNN features）。然后，我们利用超像素测地距离传播这些特征的组合激活图来进行共定位。在我们的第一组实验中，我们展示了所提出的方法在三个相关基准数据集上达到了最先进的性能：PASCAL 2007、PASCAL-2012 和对象发现数据集（Object Discovery dataset）。此外，我们还展示了我们的方法能够在六个保留的ImageNet类别上检测并定位真正未见过的类别，其准确性显著高于之前的最先进水平。我们的直观方法在没有任何区域提议或对象检测器的情况下取得了这一成功，并且可以基于纯粹用于图像分类任务预训练的CNN，无需进一步微调。