摘要
弱监督目标检测（Weakly Supervised Object Detection, WSOD）作为一种有效方法，仅依赖图像级类别标签即可训练目标检测器。然而，由于缺乏对象级标注，WSOD检测器容易将边界框定位在显著性物体、聚集物体以及具有判别性的物体局部区域上。此外，图像级类别标签无法确保同一图像在不同变换下的检测结果保持一致性。为解决上述问题，本文提出一种全面注意力自蒸馏（Comprehensive Attention Self-Distillation, CASD）的训练方法。为平衡所有目标实例之间的特征学习，CASD通过聚合同一图像在多种变换和多个特征层级上的注意力信息，生成全面注意力（comprehensive attention）。为强化对象的空间监督一致性，CASD在WSOD网络内部引入自蒸馏机制，使得同一图像在不同变换和不同特征层级下的全面注意力能够相互逼近，从而实现跨视角与跨层级的一致性约束。实验结果表明，CASD在标准基准数据集PASCAL VOC 2007/2012和MS-COCO上均取得了新的最先进（SOTA）性能，显著提升了弱监督目标检测的精度与鲁棒性。