本文探讨了弱监督对象定位的方法，主要基于class activation maps (CAM)技术。通过学习深度特征实现仅使用image-level标签的分类模型，达到与全监督对象定位相似的效果。文章介绍了CAM的工作原理，以及在医疗影像分析中的应用，如使用Log-Sum-Exp Pooling、Attention-based Dropout Layer (ADL)、Iterative Attention Mining (AM)、Dilated Convolution和Self-produced Guidance (SPG)等方法改进定位精度。
Ideas For Weakly Supervised Object Localization
最近开始跟着师兄做弱监督学习和医疗影像，近日阅读了几篇文章，与 Object Localization 相关，它们都是基于 Learning Deep Features for Discriminative Localization 这篇文章提出的 class activation maps (CAM)，只使用了 image-level 的图片标注，训练一个分类模型，即可达到与 Fully Supervised Object Localization 媲美的效果。
那么何为 CAM 呢？
CAM
前几年的深度学习模型 AlexNet, VGGNet 和 GoogLeNet 等，在一系列卷积层后接几层的全连接层，这样可以提高分类性能，但这部分却是占了整个模型的大部分参数，同时，全连接层的使用要求模型的输入尺寸需一致，这会带来诸多不便。在这之前，已经有人用 Global Max Pooling 来将最后一层卷积层的输出 S ∈ R H × W × C S\in R^{H\times W\times C} S∈RH×W×C 统一变换为 S ′ ∈ R 1 × 1 × C S'\in R^{1\times1\times C} S′∈R1×1×C，这样无论输入的尺寸如何，最后的分类层（全连接层）参数都可以统一设置为 W ∈ R C × K W\in R^{C\times K} W∈RC×K, K K K 为总的类别数。而这篇文章中，使用的是 Global Average Pooling，作者提到的优点，咱也不敢问咱也不敢猜，但其主要目的还是能够推导出 class activation maps (CAM)。
记 f k ( x , y ) f_k(x,y) fk(x,y) 为最后一层卷积层第 k 个卷积核，则 F k = ∑ x , y f k ( x , y ) F^k=\sum_{x,y}f_k(x,y) Fk=∑x,yfk(x,y) 为该卷积核的输出。对于类别 c 的 Softmax 输入为 S c = ∑ k w k c F k S_c=\sum_kw_k^cF_k Sc=∑kwkcFk，其中 w k w_k wk 是对应 F k F^k F
最低0.47元/天 解锁文章
1003
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
