객체 인식 인스턴스 라벨링을 이용한 약한 감독 하의 객체 검출

이미지 레벨 주석만을 사용하여 검출기를 훈련시키는 약한 지도 객체 검출(Weakly Supervised Object Detection, WSOD)이 점점 더 많은 관심을 받고 있습니다. 성능 좋은 검출기를 얻기 위한 방법으로, 검출기와 인스턴스 라벨은 반복적으로 업데이트됩니다. 본 연구에서는 더욱 효율적인 반복 업데이트를 위해 인스턴스 라벨링 문제에 집중하였습니다. 이 문제는 마지막 위치 추정 결과를 기반으로 각 영역에 어떤 라벨을 부여할 것인지 결정하는 문제입니다. 최고 점수의 영역과 그와 많이 겹치는 영역을 단순히 양성으로, 나머지를 음성으로 라벨링하는 대신, 다음과 같이 보다 효과적인 인스턴스 라벨링 방법을 제안합니다.첫째, 객체의 일부만을 포함하는 영역이 양성으로 라벨링되는 문제를 해결하기 위해, 컨텍스트 분류 손실에 초점을 맞추어 전체 객체를 포함하는 영역을 찾습니다. 둘째, 이미지 내 다른 객체가 음성으로 라벨링될 수 있는 상황을 고려하여, 음성으로 라벨링된 영역에 공간적 제약 조건을 부과합니다. 이러한 인스턴스 라벨링 방법들을 사용하여 PASCAL VOC 2007 및 2012 데이터셋에서 검출기를 훈련시켰으며, 다른 최신 접근법들과 비교하여 크게 개선된 결과를 얻었습니다.