摘要
我们致力于解决弱监督目标检测方法中的主要缺陷。由于大多数弱监督目标检测方法依赖于预先生成的候选区域（proposals），其检测结果常出现两类误检：（i）将多个物体实例错误地合并为一个边界框；（ii）仅关注物体的部分区域而非完整物体。为此，我们提出一种图像分割框架，以辅助实现对单个物体实例的准确检测。首先，根据候选区域之间的重叠情况，将输入图像分割为若干子图像，从而解耦原本被错误合并的物体实例。随后，将这批子图像输入卷积神经网络，用于训练目标检测器。在每个子图像内部，采用一种局部聚合策略，动态选择部分候选区域级别的得分，生成子图像级别的输出。该机制有助于模型学习物体内容的上下文信息，从而实现正则化。最后，将各子图像的输出进行聚合，作为模型的最终预测结果。该方法基于VGG-D主干网络实现，以确保与当前最先进的弱监督检测方法具有可比性。在PASCAL VOC数据集上的大量实验表明，所提出方法在检测、定位与分类任务上均展现出显著优势，性能优于现有各类替代方案。