Deep Feature Maps를 이용한 약간 감독된 위치 추정

객체 위치 추정은 다양한 응용 분야를 가진 중요한 컴퓨터 비전 문제입니다. 대규모 객체 단위 주석의 부족과 이미지 단위 라벨의 상대적인 풍부함은 객체 위치 추정 작업에서 약한 감독(weak supervision)의 필요성을 강력히 주장합니다. 딥 컨볼루션 신경망(Deep Convolutional Neural Networks)은 관련된 객체 인식 문제에 대한 최신 방법 중 하나입니다. 본 논문에서는 이미지 라벨만으로 훈련된 분류 네트워크를 사용하는 새로운 객체 위치 추정 알고리즘을 설명합니다. 이 약한 감독 방법은 분류 네트워크의 컨볼루션 계층에서 포착된 국소적 공간 및 의미 패턴을 활용합니다. 우리는 효율적인 빔 서치 기반 접근법을 제안하여 이미지 내 여러 객체를 검출하고 위치 추정합니다. 제안된 방법은 표준 객체 위치 추정 데이터셋에서 최신 기술보다 크게 우수하며, mAP 점수가 8점 증가했습니다.