자체 생성 지도를 이용한 약간의 감독을 받은 객체 위치 추정

약한 지도 학습 방법은 일반적으로 분류 네트워크가 생성하는 주의 맵을 기반으로 위치 정보를 생성합니다. 그러나 주의 맵은 객체의 가장 구별되는 부분, 즉 작고 희소한 영역을 나타냅니다. 우리는 객체(관심 객체)와 배경을 구분하여 픽셀 간 공간 상관 관계 정보를 분류 네트워크에 제공하는 Self-produced Guidance (SPG) 마스크를 생성하는 방법을 제안합니다. 단계적인 접근 방식을 통해 고신뢰도 객체 영역을 통합하여 SPG 마스크를 학습하도록 제안합니다. 주의 맵 내의 고신뢰도 영역이 활용되어 점진적으로 SPG 마스크를 학습합니다. 이러한 마스크는 보조적인 픽셀 수준 감독 역할을 하여 분류 네트워크의 학습을 촉진합니다. ILSVRC에서 수행된 광범위한 실험 결과, SPG가 고품질 객체 위치 맵 생성에 효과적임이 입증되었습니다. 특히, 제안된 SPG는 ILSVRC 검증 세트에서 Top-1 위치 오차율 43.83%를 달성하였으며, 이는 새로운 최첨단 오차율입니다.