弱监督与目标检测简述

弱监分类督通俗来讲就是弱监督的分类有

那为什么要引进弱监督呢

• 2017年科技部印发的《新一代人工智能发展规划》中强调大数据智能理论重点突破无监督学习

• 2020年2月举办的ＡＡＡＩ人工智能大会上，卷积神经网络之父LeCim表示：“在当下整个深度学习社区都在尝试使用更少的标记样本或者更少的实验去训练模型”。

• 目前训练一个高质量的深度神经网络模型往往依赖于大量的人工标注的高质量训练数据。实际上，这些极度依赖人工标注的数据集的创建是非常昂贵且耗时的。为了解决神经网络在部分目标检测任务中应用的局限，目前许多的研宄人员开始研宄以弱监督数据为主的深度神经网络训练方法，希望可以降低深度神经网络对高质量标注数据的依赖。

已有的强监督检测方法有
两阶段的RCNN算法

一阶段的YOLO算法

弱监督该怎实现呢？
目前常用的三种方法如下

我所青睐的是基于注意力机制的弱监督检测。注意力机制模仿的是人眼捕捉一张图像并不是所有像素都是重点，图片中的主要物体才是最抓人眼球的，他也就是我们的重点检测对象。
注意力机制的实现逻辑是：