《Deep Self-Taught Learning for Weakly Supervised Object Localization》

本文提出依靠检测器自身不断改进训练样本质量,不断增强检测器性能的一种全新方法,破解弱监督目标检测问题中训练样本质量低的瓶颈。 Weakly Supervised Objection Localization——弱监督目标定位 也就是说我们训练的图像只有针对图像的【注释】,没有包含物体的矩形框,入论文中的图片所示: 可以很显然的看出,这种无矩形框的弱监督学习要比有矩形框的学习 难很多。 本文的算法流
相关文章
相关标签/搜索