BBAM: خريطة نسب الصندوق الحدودي للتفصيل الدلالي والتفصيل النسبي بالرقابة الضعيفة

طرق التجزئة المراقبة بشكل ضعيف باستخدام شروط الحدود تركز على الحصول على قناع بكسل من كل صندوق يحتوي على كائن. الطرق الموجودة عادةً تعتمد على مولد قناع غير محدد للصنف، والذي يعمل على المعلومات الأولية المتأصلة في الصورة. في هذا العمل، نستفيد من المعلومات الأعلى مستوى من سلوك كاشف الكائنات المدرب، من خلال البحث عن أصغر المناطق في الصورة التي ينتج منها الكاشف نتائجًا مشابهة تقريبًا لتلك التي ينتجها من الصورة بأكملها. هذه المناطق تشكل خريطة نسب الصندوق الحدي (BBAM)، والتي تحدد الكائن المستهدف داخل صندوقه الحدي وبالتالي تعمل كحقائق أساسية وهمية للمراقبة الضعيفة للتجزئة الدلالية والتجزئة الإسنادية. هذا النهج يتفوق بشكل كبير على التقنيات المماثلة الحديثة في كل من مقاييس PASCAL VOC و MS COCO للمراقبة الضعيفة للتجزئة الدلالية والتجزئة الإسنادية. بالإضافة إلى ذلك، نقدم تحليلًا مفصلًا لطريقتنا، مما يقدم رؤى أعمق في سلوك BBAM (خريطة نسب الصندوق الحدي).