方法介绍
两阶段的弱监督物体检测(WSOD),第一阶段使用OICR直接进行WSOD,提取出一些伪标签后:
- 对伪标签进行nms,并删除置信度小于阈值的标签。
- 取出尺寸最大的box,删除完全被它包含的那些box,迭代进行。
- 将重叠超过阈值的box合并。
上述称为PGE可以发现两个阈值都很重要,但是可以一定程度上互相弥补,一个物体如果因为步骤1的阈值太大,丢失了最完整的那个伪标签,还可以通过第3步合并出来。
在有了伪标签之后,还进行了一次RPN:
- 用伪标签训练一个RPN。
- 用RPN结果中和一个伪标签重叠超过阈值的那些求平均值,作为这个伪标签的box。
上述称为PGA。
第二阶段就采用之前得到的伪标签训练一个强监督网络。本文的优势在于每张图片中,每个类别可以提取多个检测框,比之前的只取置信度最大的那一个要好。