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

本文提出依靠檢測器自身不斷改進訓練樣本質量,不斷增強檢測器性能的一種全新方法,破解弱監督目標檢測問題中訓練樣本質量低的瓶頸。 Weakly Supervised Objection Localization——弱監督目標定位 也就是說我們訓練的圖像只有針對圖像的【註釋】,沒有包含物體的矩形框,入論文中的圖片所示: 可以很顯然的看出,這種無矩形框的弱監督學習要比有矩形框的學習 難很多。 本文的算法流
相關文章
相關標籤/搜索