Localisation faiblement supervisée à l'aide de cartes de caractéristiques profondes

La localisation d'objets est un problème important en vision par ordinateur avec une variété d'applications. Le manque d'annotations à l'échelle des objets et la relative abondance de labels au niveau des images justifient pleinement l'utilisation de la supervision faible dans la tâche de localisation d'objets. Les Réseaux Neuronaux Convolutifs Profonds sont une classe de méthodes de pointe pour le problème connexe de reconnaissance d'objets. Dans cet article, nous décrivons un nouvel algorithme de localisation d'objets qui utilise des réseaux de classification formés uniquement sur des labels d'images. Cette méthode supervisée faiblement exploite les motifs spatiaux et sémantiques locaux capturés dans les couches convolutives des réseaux de classification. Nous proposons une approche efficace basée sur une recherche en faisceau pour détecter et localiser plusieurs objets dans les images. La méthode proposée dépasse significativement l'état de l'art dans les jeux de données standard de localisation d'objets, avec une augmentation de 8 points des scores mAP (mean Average Precision).