Boosting Weakly Supervised Object Detection via Learning Bounding Box Adjusters

方法介绍

给WSOD增加了RPN和bbox regression。提出了一个LBBA来进行bbox regression的监督。

1. 训练LBBA：
   使用一个额外的强监督数据集，迭代训练一个LBBA和一个WSOD。

   1. 使用预提取Proposal、WSOD的RPN提取的Proposal作为输入，Ground Truth BBox作为监督训练LBBA
   2. 使用预提取Proposal、WSOD的RPN提取的Proposal作为输入，用LBBA进行regression，将这个作为监督来训练WSOD中的RPN和bbox regression的结果。同时WSOD的RPN和bbox regression不利用强监督标签，而是用自己的伪标签（同OICR）

2. 在弱监督数据集上训练WSOD：
   上述迭代了T轮，有T个LBBA，新的WSOD也训练T轮，每轮用对应的LBBA提供bbox regression和RPN的监督。
   增加了一个class mask，即训练一个多标签分类器，测试时一个类别如果分类概率过小，就删除对应的检测框们。