摘要

弱监督目标检测近年来受到广泛关注，因其在训练过程中无需依赖边界框标注。尽管该领域已取得显著进展，但弱监督检测与全监督检测之间在性能上仍存在较大差距。近期一些研究尝试利用弱监督检测器生成的伪真实标注（pseudo ground-truths）来训练全监督检测器。然而，这类方法倾向于定位物体最具代表性的局部区域，且即使图像中存在多个同类别实例，也仅针对每类寻找一个伪真实框，难以充分捕捉多实例的完整信息。为解决上述问题，本文提出一种从弱监督到全监督的框架。该框架首先基于多实例学习（Multiple Instance Learning, MIL）实现弱监督检测器。随后，提出一种伪真实标注挖掘算法（Pseudo Ground-Truth Excavation, PGE），用于识别图像中每个实例的伪真实标注。进一步地，设计了伪真实标注自适应算法（Pseudo Ground-Truth Adaptation, PGA），以对PGE生成的伪标注进行精细化优化。最终，利用这些高质量的伪真实标注训练一个全监督检测器。在具有挑战性的PASCAL VOC 2007和VOC 2012基准测试上的大量实验结果充分验证了所提框架的有效性。在VOC2007和VOC2012上，分别取得了52.4%和47.8%的mAP，显著优于此前的最先进方法。