対照学習を用いた弱教師付き物体検出における物体発見

弱教師付き物体検出（Weakly Supervised Object Detection: WSOD）は、画像レベルのアノテーションのみで訓練されたモデルを使用して、画像内の物体を検出するタスクです。現在の最先端モデルは自己教師付きインスタンスレベルの監督から恩恵を受けますが、弱い教師付けにはカウントや位置情報が含まれていないため、最も一般的な「argmax」ラベリング手法では多くの物体のインスタンスが無視されることがよくあります。この問題を緩和するために、我々は新しい多重インスタンスラベリング手法であるオブジェクト発見（object discovery）を提案します。さらに、インスタンスレベルの情報が利用できない場合でも対応可能な新しいコントラスト損失関数、弱教師付きコントラスト損失（Weakly Supervised Contrastive Loss: WSCL）を導入します。WSCLは、同じクラスの埋め込みベクトルに一貫性のある特徴を利用することで、オブジェクト発見のために信頼性のある類似度閾値を構築することを目指しています。その結果、MS-COCO 2014および2017、PASCAL VOC 2012において新たな最先端の結果を達成し、PASCAL VOC 2007においても競争力のある結果を得ました。