WSOD2: تعلّم الاستخلاص التباعي والترقي من الأسفل إلى الأعلى لخصائص الكائن في الكشف عن الكائنات المُشَجَّع ضعيفًا

نُجري دراسة حول الكشف عن الكائنات المُدرَّب بضعيفة التوجيه (WSOD)، الذي يُعدّ دورًا جوهريًا في تقليل التدخل البشري في التسميات على مستوى الكائنات. تُركّز الأعمال البارزة على دمج آليات اقتراح المناطق مع الشبكات العصبية التلافيفية (CNN). وعلى الرغم من كفاءة CNN في استخلاص السمات المحلية التمييزية، تظل هناك تحديات كبيرة في قياس احتمالية أن يحتوي مربع الحدود على كائن كامل (أي "كائنية"). في هذه الورقة، نُقدّم إطارًا جديدًا للكشف عن الكائنات المُدرَّب بضعيفة التوجيه يُسمى WSOD2، والذي يعتمد على تقطيع "كائنية" (Objectness Distillation)، وذلك من خلال تصميم آلية تدريب مُخصصة للكشف عن الكائنات المُدرَّب بضعيفة التوجيه. تُحدد أهداف الانحدار المتعددة بشكل خاص من خلال النظر المشترك بين "الكائنية من الأسفل إلى الأعلى" (BU) و"الكائنية من الأعلى إلى الأسفل" (TD)، مع الأخذ بعين الاعتبار القياسات من المستوى المنخفض ودرجات الثقة الناتجة عن CNN، باستخدام تركيبة خطية مُعدّلة تلقائيًا. وبما أن انحدار مربعات الحدود يمكن أن يُسهم في تمكين تعلّم اقتراح المناطق من الاقتراب من هدف الانحدار بقيمة كائنية عالية خلال التدريب، فإن التمثيل العميق للكائنية المستخلص من الأدلة من الأسفل إلى الأعلى يمكن تدريجيًا أن يُستخلص (يُنقل) إلى شبكة CNN من خلال عملية التحسين. ونستكشف مختلف المنحنيات التدريبية المُعدّلة تلقائيًا للكائنية من الأسفل إلى الأعلى والكائنية من الأعلى إلى الأسفل، ونُظهر أن WSOD2 المُقترح قادر على تحقيق نتائج تُعدّ من أفضل النتائج المُحققة في مجاله.