C-MIDN：基于分割引导的耦合多实例检测网络用于弱监督目标检测

近年来，仅需图像级标注的弱监督目标检测（Weakly Supervised Object Detection, WSOD）方法受到广泛关注。通过将卷积神经网络与多实例学习（Multiple Instance Learning, MIL）相结合，多实例检测网络（Multiple Instance Detection Network, MIDN）已成为解决WSOD问题最主流的方法，并被广泛用作众多相关研究的初始模型。然而，我们指出，MIDN倾向于收敛至最具判别性的物体局部区域，这一特性限制了基于该方法的性能提升。为此，本文提出一种新型的耦合多实例检测网络（Coupled Multiple Instance Detection Network, C-MIDN），以解决上述问题。具体而言，C-MIDN采用一对MIDN结构，二者以互补方式协同工作，并引入候选区域移除机制。通过进一步耦合两个MIDN的定位信息，可获得更紧致的边界框，并实现对多个物体的准确定位。此外，我们设计了一种分割引导的候选区域移除算法（Segmentation Guided Proposal Removal, SGPR），在移除候选区域后仍能有效维持MIL约束，从而保障C-MIDN的鲁棒性。通过一种简洁的在线检测器精炼实现方式，C-MIDN在具有挑战性的PASCAL VOC 2007和2012基准测试中分别取得了53.6%和50.3%的mAP，显著优于此前的最先进方法。