범주 일관성 특성과 측지 거리 전파를 이용한 공존 위치화

공동 위치화(co-localization)는 동일한 클래스의 객체를 해당 객체가 포함된 이미지 집합만을 사용하여 위치화하는 문제입니다. 이 작업은 부정 예제 없이 객체 검출기를 구축해야 하기 때문에 도전적입니다. 부정 예제는 더 유익한 감독 신호를 제공할 수 있기 때문입니다. 우리의 방법의 주요 아이디어는 일반적으로 사전 훈련된 CNN의 특징 공간을 클러스터링하여, 특정 객체 카테고리에 대해 일관되고 높게 활성화되는 CNN 특징 집합을 찾는 것입니다. 이를 우리는 범주 일관성 있는 CNN 특징(category-consistent CNN features)이라고 부릅니다. 그런 다음, 우리는 슈퍼픽셀 기하학적 거리를 사용하여 이러한 특징들의 결합 활성화 맵을 전파하여 공동 위치화를 수행합니다.우리의 첫 번째 실험에서 제안된 방법이 세 가지 관련 벤치마크(PASCAL 2007, PASCAL-2012, Object Discovery 데이터셋)에서 최신 성능을 달성함을 보여줍니다. 또한, 우리 방법이 6개의 보류된 ImageNet 카테고리에서 이전 최신 기술보다 현저히 높은 정확도로 진정으로 미처 본 적 없는 카테고리를 검출하고 위치화할 수 있음을 보여줍니다. 우리의 직관적인 접근 방식은 어떠한 영역 제안(region proposals)이나 객체 검출기 없이 이러한 성공을 이루며, 순수하게 이미지 분류 작업에 대한 사전 훈련만으로 이루어진 CNN 위에 구축될 수 있습니다.