目录
重新思考通往弱监督目标的定位
基于U-Net(R2U-Net)的递归残差卷积神经网络在医学图像分割中的应用
UNet++: 一种医学图像分割的嵌套U-Net结构
使用基于双谱的深度卷积神经网络对非线性时间序列进行分类
hAttention-RPN和Multi-Relation的超强小目标检测
重新思考通往弱监督目标的定位
论文名称:Rethinkingthe Route Towards Weakly SupervisedObject Localization
作者:Chen-Lin Zhang
发表时间:2020/3/3
论文链接:
推荐原因
本文为2020CVPR的文章。针对目前弱监督目标定位方法的问题,本论文提出了伪监督目标定位方法(PSOL)来解决当下研究的困境。作者分别从定位和分类两方面来搭建伪监督目标定位的网络,接着在训练集上使用Deep descriptor transformation(DDT)生成伪GT进行训练,整体效果达到SOTA。
该论文主要有三点贡献:
一、提出了伪监督目标定位PSOL算法;
二、通过实验验证,该算法在不同数据集上不需要fine-tuning也能有很好的定位迁移能力。
![a10a11c9b9007f50a8e4f93654ba7c32.png](https://i-blog.csdnimg.cn/blog_migrate/540dc5b38068a049a3cd85b1104c7df5.jpeg)