要約
共定位（Co-localization）は、同一クラスの物体をそれらが含まれている画像セットのみを使用して位置特定する問題です。この課題は、物体検出器をネガティブサンプルなしで構築しなければならないため、より情報量の多い監督信号を得るのが困難であるという点で挑戦的です。当方法の主なアイデアは、汎用的に事前学習されたCNNの特徴空間をクラスタリングし、ある物体カテゴリに対して一貫して高活性化されるCNN特徴の集合を見つけることです。これらの特徴をカテゴリ一貫性のあるCNN特徴（category-consistent CNN features）と呼びます。次に、スーパーピクセル測地距離を使用してこれらの結合活性化マップを伝播させることで共定位を行います。実験の第1段階では、提案手法がPASCAL 2007、PASCAL-2012およびオブジェクト発見データセットの3つの関連ベンチマークにおいて最先端の性能を達成することを示しています。また、6つのホールドアウトImageNetカテゴリにおいて真正に未見のカテゴリを検出し位置特定できることも示しており、その精度は以前の最先端手法よりも著しく高いです。当手法は直感的なアプローチであり、領域提案や物体検出器を使用せずに成功を収めています。さらに、純粋に画像分類タスクで事前学習されたCNNに基づいており、さらなる微調整を行う必要はありません。