Collaborative Learning for Weakly Supervised Object Detection 算法笔记

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