基于对比学习的弱监督目标检测中的目标发现

弱监督目标检测（WSOD）是一项仅使用图像级注释训练的模型来检测图像中目标的任务。当前最先进的模型受益于自监督实例级监督，但由于弱监督不包含数量或位置信息，最常见的“argmax”标记方法通常会忽略许多目标实例。为了解决这一问题，我们提出了一种新的多实例标记方法，称为目标发现。此外，我们引入了一种在没有实例级信息可供采样的情况下使用的新型对比损失函数，称为弱监督对比损失（WSCL）。WSCL通过利用同一类别中的嵌入向量的一致特征来构建可靠的目标发现相似度阈值。因此，我们在MS-COCO 2014和2017以及PASCAL VOC 2012数据集上取得了最新的最佳结果，并在PASCAL VOC 2007数据集上获得了具有竞争力的结果。