소수의 약한 레이블과 많은 비레이블 이미지로부터 객체 탐지기 훈련하기

약한 감독을 통한 객체 탐지 기법은 경계 상자(bounding boxes)의 필요성을 없애면서 감독 데이터의 양을 제한하려는 시도를 하지만, 여전히 전체 학습 세트에 대해 이미지 수준의 라벨(image-level labels)을 가정한다. 본 연구에서는 이미지 수준의 라벨이 하나 또는 몇 장의 이미지에만 존재하고, 더 많은 수의 완전히 라벨이 없는 이미지가 존재하는 상황에서 객체 탐지기를 학습하는 문제를 다룬다. 이는 라벨 데이터가 탐지기 학습을 시작하기에 충분하지 않은 극단적인 반감독 학습(semi-supervised learning)의 사례이다. 본 연구의 해결책은, 라벨이 있는 이미지들과의 영역 수준(region-level) 유사성에 기반해 초기화된 교사 분류기 모델(teacher classifier model)이 생성한 이미지 수준의 가짜 라벨(image-level pseudo-labels)을 활용하여, 약한 감독을 받는 학생 탐지기 모델(student detector model)을 학습하는 것이다. 최근 대표적인 약한 감독 파이프라인인 PCL을 기반으로 하여, 본 방법은 더 많은 라벨이 없는 이미지를 활용함으로써, 최근의 많은 약한 감독 탐지 솔루션과 비교해 경쟁력 있거나 더 뛰어난 성능을 달성할 수 있다.