PS:Modeling Local and Global Deformations in Deep Learning: Epitomic Convolution...___CVPR2015

Modeling Local and Global Deformations in Deep Learning: Epitomic Convolution, Multiple Instance Learning, and Sliding Window Detection
[full paper] (http://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Oquab_Is_Object_Localization_2015_CVPR_paper.pdf)
George Papandreou, Iasonas Kokkinos, Pierre-André Savalle

这篇文章讨论了从weak label data(训练图片只有标签，但没有物体的位置)来训练object detector。

contribution:
作者实现了一个end to end的weak label训练的卷积神经网络结构。主要有以下几点。把全连接层修改成卷积层，实现窗口滑动的快速计算，这个idea在Kaiming He的Spatial Pyramid Pooling类似。采用Max pooling作为搜索object的一种方式，这里给一个key，Multiple Instance Learning和Max Pooling其实是一回事。Loss function将多标签问题改为2类问题，用logistic function来做。训练手段，Imagenet数据集上的Supervised leanring作为feature detector，然后固定部分神经网络权重，针对新问题再进行训练，这种也很常见了。

部分idea和Kaiming He的那篇有些类似，不过这篇做的更加系统些。