التصنيف المعرفي للأشياء في الإشارات الضعيفة للكشف عن الأشياء

الكشف عن الأشياء تحت الإشراف الضعيف (WSOD)، حيث يتم تدريب الكاشف باستخدام ملاحظات على مستوى الصورة فقط، يجذب المزيد والمزيد من الاهتمام. كطريقة للحصول على كاشف فعال، يتم تحديث الكاشف وملاحظات النماذج بشكل متكرر. في هذه الدراسة، من أجل تحديث متكرر أكثر كفاءة، نركز على مشكلة ملاحظة النماذج، وهي المشكلة التي تتعلق بملاحظة أي علامة يجب وضعها لكل منطقة بناءً على آخر نتيجة للتوضيح. بدلاً من وضع علامات إيجابية ببساطة للمنطقة ذات التقييم الأعلى وللمناطق التي تتداخل معها بشكل كبير وعلامات سلبية للبقية، نقترح طرقًا أكثر فعالية لملاحظة النماذج كما يلي. أولاً، لحل المشكلة التي تميل فيها المناطق التي تغطي جزءًا فقط من الشيء إلى أن تكون موسومة بالإيجابية، نجد المناطق التي تغطي الشيء بأكمله مع التركيز على خسارة تصنيف السياق. ثانيًا، بالنظر إلى الحالة التي يمكن فيها أن تكون الأشياء الأخرى المحتوية في الصورة موسومة بالسلبية، نفرض قيودًا مكانية على المناطق الموسومة بالسلبية. باستخدام هذه طرق ملاحظة النماذج، نقوم بتدريب الكاشف على PASCAL VOC 2007 و 2012 ونحصل على نتائج محسنة بشكل كبير مقارنة بالطرق الرائدة الأخرى.请注意，对于“PASCAL VOC 2007”和“PASCAL VOC 2012”，在阿拉伯语中通常保留英文原名，因为这是特定的数据集名称。