ContextLocNet: コンテキストを意識した深層ネットワークモデルによる弱教師付き位置特定

画像レベルの教師あり学習のみを使用して物体を局所化することを目指しています。この問題に対する従来のアプローチは主に判別的な物体領域に焦点を当てており、しばしば正確な物体境界を特定できませんでした。本研究では、周囲のコンテキスト領域を利用して局所化を改善する2種類のコンテキスト認識モデル、加法モデルと対照モデルを導入することで、この問題に対処します。加法モデルは、予測された物体領域がその周囲のコンテキスト領域によって支持されることを促進します。対照モデルは、予測された物体領域がその周囲のコンテキスト領域から際立つことを促進します。当方針は、物体認識における畳み込みニューラルネットワーク（Convolutional Neural Networks, CNN）の最近の成功に便益を受け、Fast R-CNN を弱教師あり学習に基づく物体局所化に拡張しています。PASCAL VOC 2007 および 2012 ベンチマークでの広範な実験評価により、当方針が弱教師あり学習に基づく局所化と検出において大幅な改善をもたらすことが示されました。注：「弱教師あり学習」（weakly supervised learning）は一般的には「弱い監督情報」や「部分的な教師データ」を使用した機械学習手法を指します。ここでは、「弱教師あり」と訳しましたが、「部分的に教師あり」という表現でも問題ありません。