[ECCV 2016] Weakly Supervised Localization Using Deep Feature Maps
1.介紹
推薦閱讀：
Localization依然有很多應用前景，detection需要大量的localization標註，費時費力。弱監督方法使得localization具有很好的泛化性。
本文提出一種弱監督localization的方法，聯繫feature maps和物體的ROI區域。圖片的每一個patch都能預測一些可能的類別。
本文的貢獻：
- 弱監督的方法解決定位問題
- 本文的方法顯式的利用feature map與object localization的聯繫
2.方法
2.1.網路結構
AlexNet 先用ImageNet pre-train，替換最後一層，分別在COCO和VOC上finetune.
其中，分類loss使用binary cross entropy函數，因為COCO和VOC的圖片是多類別的。這裡利用物體co-occurrence信息提高分類性能。
2.2.定位
插值與搜索
搜索：當前box 分解為4個child boxes
插值：每一個child boxes對應的feature map 插值成原來的size，再進行分類找local max score box
beam search
top M & threshold
3.總結
(1)弱監督方法，只使用了image level label(2)用Feature map自帶的activation信息選擇適當的patch
推薦閱讀：