Vers la découverte non supervisée de multiples objets dans des collections d'images à grande échelle

Ce papier aborde le problème de la découverte des objets présents dans une collection d'images sans aucune supervision. Nous nous appuyons sur l'approche d'optimisation de Vo et al. (CVPR'19) avec plusieurs innovations clés : (1) Nous proposons un nouvel algorithme de suggestion de régions basé sur la salience qui atteint une superposition significativement plus élevée avec les objets véritables que d'autres méthodes concurrentes. Cette procédure utilise des caractéristiques CNN pré-entraînées sur des tâches de classification sans aucune information sur les boîtes englobantes, mais est autrement non supervisée. (2) Nous exploitons la structure hiérarchique inhérente des propositions comme un régulariseur efficace pour l'approche de découverte d'objets de Vo et al., améliorant considérablement ses performances et surpassant l'état de l'art sur plusieurs benchmarks standards. (3) Nous adoptons une stratégie en deux étapes pour sélectionner des propositions prometteuses à partir de petits ensembles d'images aléatoires avant d'utiliser toute la collection d'images pour découvrir les objets qu'elle représente, ce qui nous permet, pour la première fois (à notre connaissance), de découvrir plusieurs objets dans chacune des images composant des ensembles de données contenant jusqu'à 20 000 images, soit une augmentation supérieure à cinq fois par rapport aux méthodes existantes, et constitue une première étape vers une interprétation véritablement à grande échelle des images non supervisées.