神经网络的目标定位_今日 Paper | 弱监督目标的定位；递归残差卷积神经网络；嵌套U-Net结构；超强小目标检测等...

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。