摘要
弱监督目标定位仍然是一个具有挑战性的问题，因为在训练过程中只有图像标签而没有边界框。目标提议是定位中的一个有效组件，但通常计算成本较高且无法与其他模块进行联合优化。在本文中，据我们所知，首次以端到端学习的方式将弱监督目标提议集成到卷积神经网络（CNNs）中。我们设计了一个网络组件——Soft Proposal（软提议），可以插入任何标准的卷积架构中，引入几乎无成本的目标提议，其速度比现有方法快几个数量级。在加入了Soft Proposal的CNNs中，称为Soft Proposal Networks（SPNs），基于深度特征图生成的目标提议会逐步演化并投影回原图，然后仅通过图像级别的监督与网络参数进一步联合优化。通过统一的学习过程，SPNs能够学习到更好的以目标为中心的滤波器，发现更具区分性的视觉证据，并抑制背景干扰，显著提升了弱监督目标定位和分类的性能。我们在包括PASCAL VOC、MS COCO和ImageNet在内的多个流行基准上报告了最佳结果。