论文:Collaborative Learning for Weakly Supervised Object Detection
论文链接:https://arxiv.org/abs/1802.03531
弱监督目标检测(weakly supervised object detection)是指不需要框标注,仅通过图像级标签就能做目标检测。这方面的研究出发点主要是框标注的成本太高,而图像级标签相对容易获得,因此希望借助图像级标签做目标检测。这篇IJCAI2018的文章基于WSCL(weakly supervised collaborative learning)提出WSCDN(weakly supervised collaborative detection network),该算法同时训练一个弱监督模型和一个强监督模型进行目标检测,弱监督模型采用类似WSDDN的结构,通过图像标签进行训练。强监督模型采用类似Faster RCNN的结构,因为对于强监督模型而言没有监督信息,所以作者引入prediction consistency loss约束强监督模型和弱监督模型的输出。
Figure1是WSCL(weakly supervised collaborative learning)的示意图,主要包含weakly supervised detector(用DW表示)和strongly supervised detector(用DS表示)两个模块。DW可以直接训练,因为DW的监督信息是图像的标签。但是直接训练DS肯定是不行的,因为DS没有监督信息,但因为DS和DW的预测目标是