Boosting Weakly Supervised Object Detection with Progressive Knowledge Transfer

方法介绍

主要是一个RPN+WSDDN的结构，和之前的方法不同的是，RPN不仅用Sorce Domain上的Ground Truth训练，还会自己在Source Domain上挖掘伪标签，通过WSDDN在Target Domain上挖掘伪标签。

在WSDDN的Det分支上做了一些改变：

1. 对分数进行sigmoid再乘[latex]\beta[/latex]放缩到 [latex](1,\beta)[/latex]，然后再做softmax
2. 对sigmoid之后的分数，进行Regularization，即将最大值和RPN的分数s做L2损失。
3. sigmoid之后的分数在Softmax之前和RPN的分数做加权平均，权重取了0.5。

挖掘伪标签上：

1. Target Domain上选择GT label对应的置信度大于阈值的检测框，如果都小于阈值择选最大的那一个。
2. Source Domain上选择置信度高于阈值的，并且被GT中最近的那一个覆盖的面积比例小于阈值的。