摘要
我们提出了一种利用视频信息获取高精度目标候选区域的新方法，以提升弱监督目标检测的性能。现有的弱监督检测方法通常采用现成的候选区域生成方法（如边缘框 Edge Boxes 或选择性搜索 Selective Search）来获取候选框。这些方法虽能实现较高的召回率，但会生成数千个噪声严重的候选区域，导致后续的目标挖掘步骤必须承担从海量噪声中识别出少数相关目标区域的全部压力。为缓解这一问题，我们转而聚焦于提升初始候选区域的精度。由于无法依赖定位标注，我们引入视频数据，利用运动线索自动估计目标的范围，从而训练一个弱监督区域提议网络（Weakly-supervised Region Proposal Network, W-RPN）。利用该W-RPN生成的高精度候选区域，可对原有高召回率的候选框（如Edge Boxes或Selective Search）按空间重叠程度进行重新排序。实验结果表明，所提出的W-RPN候选区域显著提升了当前最先进的弱监督目标检测方法在PASCAL VOC 2007和2012数据集上的性能。