Netzwerk zur Erkennung von Mehrfachinstanzen mit Online-Verfeinerung des Instanzklassifikators

In letzter Zeit gewinnt schwach überwachte Objekterkennung an Bedeutung im Bereich der Objektidentifizierung. Auf Basis von tiefem Lernen haben schwach überwachte Detektoren zahlreiche vielversprechende Ergebnisse erzielt. Allerdings ist es im Vergleich zu vollständig überwachten Detektionen herausfordernder, tiefen Netzen basierende Detektoren auf schwach überwachte Weise zu trainieren. In diesem Beitrag formulieren wir die schwach überwachte Detektion als ein Problem des Multi-Instanz-Lernens (MIL), bei dem Instanzklassifizierer (Objektdetektoren) als versteckte Knoten in das Netzwerk integriert werden. Wir schlagen einen neuen Online-Verfeinerungsalgorithmus für Instanzklassifizierer vor, um MIL und den Verfeinerungsprozess der Instanzklassifizierer in ein einzelnes tiefes Netzwerk zu integrieren und das Netzwerk ausschließlich mit bildbasierten Annotationen, d.h. ohne Informationen zur Objektlokalisierung, end-to-end zu trainieren. Genauer gesagt werden aus der schwachen Überwachung abgeleitete Instanzlabels auf ihre räumlich überschneidenden Instanzen propagiert, um den Instanzklassifizierer online zu verfeinern. Der iterative Verfeinerungsprozess des Instanzklassifizierers wird durch mehrere Ströme im tiefen Netzwerk implementiert, wobei jeder Strom seinen nachfolgenden Strom überwacht. Schwach überwachte Objekterkennungsversuche wurden anhand der anspruchsvollen PASCAL VOC 2007 und 2012 Benchmarks durchgeführt. Wir erreichen eine mittlere Average Precision (mAP) von 47 % auf VOC 2007, was die bisherige Standarte deutlich übertreffen kann.