Deep Self-Taught Learning for Weakly Supervised Object Localization

種子樣本採集 1. Image-to-Object Transfer 訓練一個多標籤分類CNN模型作爲識別種子樣本的第一步，採用Hypothesis-CNN-Pooling (HCP)方法將圖像中屬於同一類物體的候選區域提取出來。在綜合預測階段對每一類採用cross-proposal max-pooling，篩選出一些與目標類最相關的候選區域。這樣，圖像級別的分類錯誤只能通過the most co

>>阅读原文<<