生成対抗ネットワークとランキングネットワークによる弱教師ありオブジェクト発見

最近、深層生成対抗ネットワーク（GAN）は画像編集、高解像度画像の合成、ビデオの生成など、さまざまなコンピュータビジョンの応用において有望な結果を示しています。これらのネットワークと学習スキームは、様々な視覚空間マッピングを処理することができます。本研究では、新しい訓練方法と学習目標を用いてGANにアプローチし、3つのケースにおける複数の物体インスタンスを発見することを目指します：1) 混雑したシーン内にある特定の物体の画像を合成する；2) 弱教師あり物体検出において異なるカテゴリを画像内で局所化する；3) 物体検出パイプラインでの物体発見を改善する。当方法の重要な利点は、1つの画像内の複数の物体を区別する新しい深層類似性指標を学習できることです。我々はネットワークがエンコーダー-デコーダーとして機能し、物体が含まれる画像の部分を生成したり、または修正された深層CNNとして機能して教師ありおよび弱教師ありスキームでの物体検出のために画像を表現したりすることを示しました。ランキングGANは、物体固有のパターンを探すための新たな手法を提供します。異なるシナリオに対して実験を行い、MS-COCOおよびPASCAL VOCデータセットを使用して物体合成と弱教師あり物体検出・分類における当方法の性能を示しました。