要約
弱教師付きオブジェクト位置特定のための改良技術を提案します。従来の手法は、対象物体の最も識別力のある部分にのみ焦点を当てるという制限があります。最近の研究では、この問題に対処し、識別力の低い部分の学習データを増強することで、この制限を解消しました。これにより、我々は識別力の低い部分に対するオブジェクト位置特定の精度向上のために効果的なデータ拡張を採用しています。さらに、最先端モデルに基づいて畳み込みニューラルネットワーク（CNN）を最適化する改良された学習手法を導入します。広範な実験を通じて、提案手法の有効性を定性的および定量的に評価しました。特に、弱教師付きオブジェクト位置特定における現行の最先端技術と比較して、Top-1位置特定精度が設定によって21.4 - 37.3%向上することが確認されました。