弱教師付きオブジェクト境界

最先端の学習ベース境界検出手法は、大量の訓練データを必要とします。オブジェクトの境界をラベリングすることは最もコストのかかるアノテーションの一つであるため、画像の詳細なアノテーションを緩和する必要があり、これにより訓練がより安価になり、訓練データ量も増やすことができます。本論文では、弱い教師ありアノテーションを生成する技術を提案し、バウンディングボックスアノテーションのみを使用することで、オブジェクト固有の境界アノテーションなしで高品質なオブジェクト境界に到達できることを示します。提案された弱い教師あり技術により、オブジェクト境界検出タスクにおいて最上位の性能を達成し、現在の完全教師あり最先端手法を大幅に上回る結果を得ました。