ContextLocNet: 문맥 인식 딥 네트워크 모델을 이용한 약한 감독 하에서의 위치 추정

우리는 이미지 레벨 감독만을 사용하여 이미지 내의 객체를 정확히 위치시키는 것을 목표로 합니다. 이 문제에 대한 기존 접근 방식은 주로 차별적인 객체 영역에 초점을 맞추었으며, 종종 정밀한 객체 경계를 찾는데 실패하였습니다. 우리는 이 문제를 해결하기 위해, 주변 맥락 영역을 활용하여 위치 인식을 개선하는 두 가지 유형의 맥락 인식 안내 모델, 즉 추가적 모델과 대조적 모델을 도입하였습니다. 추가적 모델은 예측된 객체 영역이 주변 맥락 영역에 의해 지지되도록 하는 반면, 대조적 모델은 예측된 객체 영역이 주변 맥락 영역에서 두드러지게 나타나도록 합니다. 우리의 접근 방식은 객체 인식에서 최근의 컨볼루션 신경망(CNN) 성공 사례로부터 혜택을 받으며, Fast R-CNN을 약간 감독된 객체 위치 인식으로 확장합니다. PASCAL VOC 2007 및 2012 벤치마크에서 수행한 광범위한 실험 평가 결과, 우리의 맥락 인식 접근 방식이 약간 감독된 위치 인식 및 검출 성능을 크게 향상시킨다는 것을 확인할 수 있었습니다.