点击上方“CVer”,选择加"星标"或“置顶”
重磅干货,第一时间送达
作者:嘿芝麻
https://zhuanlan.zhihu.com/p/72859378
本文已授权,未经允许,不得二次转载
论文标题:Missing Labels in Object Detection
http://openaccess.thecvf.com/content_CVPRW_2019/papers/Weakly%20Supervised%20Learning%20for%20Real-World%20Computer%20Vision%20Applications/Xu_Missing_Labels_in_Object_Detection_CVPRW_2019_paper.pdf
本文主要贡献:
在不同丢失程度的instance-level 标签下全监督目标检测(FSOD)的影响。
首次提出在全监督和弱监督中间(即:部分监督信息)的训练方式和训练网络。
1 在不同丢失程度的instance-level 标签下全监督目标检测(FSOD)的影响
1.1 在不同instance-level missing label 比例下,WSOD和FSOD两类方法的mAP比较
对于全监督的网络作者采用了RCNN Faster-RCNN YOLO和SSD四种网络,弱监督网络采用的是经典的WSDDN网络。显而易见,示例级别的标签丢失越多,mAP越低。