摘要

我们提出了一种改进的弱监督目标定位技术。传统方法的一个局限性在于它们仅关注目标对象最具区分性的部分。最近的研究解决了这一问题，通过增加训练数据来改善对不具区分性部分的识别。为此，我们采用了一种有效的数据增强方法，以提高目标定位的准确性。此外，我们通过基于最先进模型优化卷积神经网络（CNN）引入了改进的学习技术。经过广泛的实验评估，我们从定性和定量两个方面验证了所提方法的有效性。特别是，与当前最先进的弱监督目标定位技术相比，我们的方法在不同配置下将Top-1定位准确率提高了21.4%至37.3%。