Segmentation est tout ce dont vous avez besoin.

Les mécanismes de proposition de régions sont essentiels pour les approches actuelles d'apprentissage profond en détection d'objets dans les images. Bien qu'ils puissent généralement atteindre une bonne performance de détection dans des conditions normales, leur rappel dans des scènes présentant des cas extrêmes est inacceptablement faible. Cela est principalement dû au fait que les annotations de boîtes englobantes contiennent beaucoup d'informations bruitées de l'environnement, et qu'une suppression non maximale (NMS) est nécessaire pour sélectionner les boîtes cibles. Par conséquent, dans cet article, nous proposons le premier modèle de détection d'objets sans ancres et sans NMS appelé segmentation d'annotations multimodales faiblement supervisée (WSMA-Seg), qui utilise des modèles de segmentation pour réaliser une détection d'objets précise et robuste sans NMS. Dans WSMA-Seg, des annotations multimodales sont proposées pour atteindre une segmentation sensible aux instances à partir de boîtes englobantes faiblement supervisées ; nous avons également développé un algorithme basé sur les données en cours d'exécution pour suivre les contours des objets. De plus, nous proposons une segmentation par regroupement multi-échelle (MSP-Seg) comme modèle de segmentation sous-jacent de WSMA-Seg afin d'obtenir une segmentation plus précise et d'améliorer la précision de la détection de WSMA-Seg. Les résultats expérimentaux sur plusieurs jeux de données montrent que l'approche WSMA-Seg proposée surpasse les détecteurs les plus avancés actuellement disponibles.