Réseaux de Propositions Douces pour la Localisation d'Objets Faiblement Supervisée

La localisation d'objets faiblement supervisée reste un défi, où seules les étiquettes d'images sont disponibles lors de l'entraînement, et non des boîtes englobantes. La proposition d'objets est un composant efficace dans la localisation, mais elle est souvent coûteuse en termes de calcul et incapable d'être optimisée conjointement avec certains des autres modules. Dans cet article, à notre connaissance, nous intégrons pour la première fois la proposition d'objets faiblement supervisée aux réseaux neuronaux convolutifs (CNNs) dans une approche d'apprentissage de bout en bout. Nous concevons un composant de réseau, appelé Proposition Douce (Soft Proposal) (SP), qui peut être inséré dans n'importe quelle architecture convolutive standard pour introduire une proposition d'objets presque sans coût, beaucoup plus rapide que les méthodes de pointe actuelles. Dans les CNNs augmentés par SP, appelés Réseaux de Proposition Douce (SPNs), des propositions d'objets évoluant itérativement sont générées sur la base des cartes de caractéristiques profondes, puis projetées en arrière et optimisées conjointement avec les paramètres du réseau, uniquement sous la supervision au niveau de l'image. Grâce à ce processus d'apprentissage unifié, les SPNs apprennent des filtres mieux centrés sur les objets, découvrent des preuves visuelles plus discriminantes et réduisent l'interférence du fond, améliorant considérablement les performances tant en localisation qu'en classification d'objets faiblement supervisés. Nous rapportons les meilleurs résultats sur des benchmarks populaires, notamment PASCAL VOC, MS COCO et ImageNet.