摘要

弱监督目标检测（WSOD）是一种仅使用图像级注释训练检测器的方法，正逐渐受到越来越多的关注。为了实现性能优良的检测器，检测器和实例标签通常会进行迭代更新。在本研究中，为了提高迭代更新的效率，我们重点关注实例标注问题，即根据上一次定位结果为每个区域分配合适的标签。我们提出了一些更为有效的实例标注方法，具体如下：首先，针对那些仅覆盖物体部分区域的区域容易被错误地标记为正样本的问题，我们通过关注上下文分类损失来识别覆盖整个物体的区域。其次，考虑到图像中其他物体也可能被标记为负样本的情况，我们在标记为负样本的区域上施加了空间限制。利用这些实例标注方法，我们在PASCAL VOC 2007和2012数据集上训练了检测器，并取得了显著优于其他最先进方法的结果。