طبقة الانسحاب القائمة على الانتباه لتحديد موقع الكائنات بشكل ضعيف مشرف عليه

تقنيات التحديد الضعيف الإشراف (WSOL) تتعلم موقع الكائن باستخدام ملصقات صورية فقط، دون الحاجة إلى ملصقات الموقع. إحدى القيود الشائعة لهذه التقنيات هي أنها تغطي الجزء الأكثر تمييزًا من الكائن وليس الكائن بأكمله. لحل هذه المشكلة، نقترح طبقة الإفلات القائمة على الانتباه (ADL)، والتي تستفيد من آلية الانتباه الذاتي لمعالجة خرائط الميزات للنموذج. يتكون الطريقة المقترحة من مكونين رئيسيين: 1) إخفاء الجزء الأكثر تمييزًا من النموذج لالتقاط الحد الكامل للكائن، و2) تسليط الضوء على المنطقة المعلوماتية لتحسين قوة التعرف في النموذج. بناءً على تجارب واسعة النطاق، نثبت أن الطريقة المقترحة فعالة في تحسين دقة WSOL، مما يحقق دقة تحديد جديدة هي الأفضل حتى الآن في مجموعة بيانات CUB-200-2011. كما نوضح أن الطريقة المقترحة أكثر كفاءة بكثير من التقنيات الموجودة من حيث أعباء المعلمات والحسابات.