典型文献
特征融合与分割引导的弱监督目标检测
文献摘要：
基于卷积神经网络(CNNs)的区域建议生成方法(PRN)是通过实例级注释进行训练所得,也是当前全监督目标检测(FSOD)的重要组成部分.由于实例级注释耗时耗力,而图像级注释相比之下更容易收集,因此仅使用图像级注释的弱监督目标检测(WSOD)引起了众多研究者的关注.当前,WSOD依赖于诸如选择性搜索之类标准的区域建议生成方法,这些方法容易生成大量有噪的建议框,导致其存在无法拟合真实的目标对象.鉴于此,基于卷积特征多层融合以及分割引导策略获取高质量建议框,具体而言,利用卷积网络深层信息进行多层融合,以及边缘信息获取初始的候选建议框,然后通过弱监督语义分割的一致性准则,将分割映射分为水平和垂直两个变量得到目标一致性表示,从而提取高质量的建议框.在PASCAI VOC2007数据集上的实验结果表明,该方法在分类和定位检测中展现了优秀的性能,平均精度(mAP)和定位精度(CorLoc)准确率分别达51.0％、71.2％.
文献关键词：
特征融合;分割引导;目标一致性;弱监督目标检测
中图分类号：
作者姓名：
柴文光;蔡春波
作者机构：
广东工业大学计算机学院,广东广州510006
文献出处：
引用格式：
[1]柴文光;蔡春波-.特征融合与分割引导的弱监督目标检测)[J].软件导刊,2022(01):114-119
A类：
WSOD,PASCAI,CorLoc
B类：
特征融合,分割引导,弱监督目标检测,CNNs,区域建议,生成方法,PRN,FSOD,耗力,相比之下,选择性搜索,之类,易生成,卷积特征,引导策略,卷积网络,边缘信息,信息获取,弱监督语义分割,目标一致性,VOC2007,定位检测,mAP,定位精度
AB值：
0.347194
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
