弱教師付きローカライゼーションの深層特徴マップを用いた手法

物体位置特定は多様な応用を持つ重要なコンピュータビジョンの問題です。大規模なオブジェクトレベルの注釈の不足と画像レベルのラベルの相対的な豊富さは、物体位置特定タスクにおける弱監督の使用を強く推奨する理由となっています。深層畳み込みニューラルネットワーク（Deep Convolutional Neural Networks）は、関連する物体認識問題において最先端の手法の一つです。本論文では、画像ラベルのみで訓練された分類ネットワークを使用した新しい物体位置特定アルゴリズムについて説明します。この弱監督方法は、分類ネットワークの畳み込み層で捉えられた局所的な空間的および意味的なパターンを利用します。私たちは、効率的なビームサーチに基づくアプローチを提案し、画像中の複数の物体を検出および位置特定します。提案された方法は、標準的な物体位置特定データセットにおいて、mAPスコアで8ポイント向上し、現行の最先端手法を大幅に上回っています。