Apprentissage de la localisation d'objets avec une supervision minimale

L'apprentissage de la localisation d'objets avec une supervision minimale est un problème important en vision par ordinateur, car l'obtention de grands ensembles de données entièrement annotés est extrêmement coûteuse. Dans cet article, nous proposons une nouvelle méthode qui atteint cet objectif en utilisant uniquement des étiquettes au niveau des images indiquant si les objets sont présents ou non. Notre approche combine un problème de couverture sous-modulaire discriminatif pour découvrir automatiquement un ensemble de fenêtres d'objets positifs avec une formulation SVM latente lissée. Cette dernière nous permet d'utiliser des techniques d'optimisation quasi-Newton efficaces. Nos expériences montrent que l'approche proposée offre une amélioration relative de 50 % en précision moyenne sur le détecteur actuel de l'état de l'art sur PASCAL VOC 2007.