要約
本稿では、空間的な不変性を獲得するための画像領域のアライメントと、強く局所化された特徴の学習を同時に目的とする深層学習手法WILDCATを紹介する。本モデルはグローバルな画像ラベルのみを用いて訓練され、画像分類、弱教師付き物体局所化、セマンティックセグメンテーションの3つの主要な視覚認識タスクに適用される。WILDCATは、以下の3つの観点から最先端の畳み込みニューラルネットワーク（CNN）を拡張している：（1）空間解像度を維持するための完全畳み込みネットワーク（Fully Convolutional Networks）の導入、（2）異なるクラスモダリティに関連する局所特徴をネットワーク内に明示的に設計すること、（3）弱教師付き学習に必要なグローバル画像予測を提供するための、特徴のプーリング手法の新規提案。広範な実験により、本モデルが最先端手法を著しく上回ることを示した。