대조 학습을 통한 객체 발견: 약간의 감독 하에 객체 검출을 위한 방법

약한 지도 하의 객체 검출(Weakly Supervised Object Detection, WSOD)은 이미지 레벨 주석만을 사용하여 훈련된 모델을 통해 이미지 내의 객체를 검출하는 작업입니다. 현재 최신 모델들은 자기 지도 인스턴스 레벨 감독에서 혜택을 받고 있지만, 약한 감독은 개수나 위치 정보를 포함하지 않기 때문에 가장 일반적으로 사용되는 "argmax" 라벨링 방법이 종종 많은 객체 인스턴스들을 무시합니다. 이 문제를 완화하기 위해 우리는 새로운 다중 인스턴스 라벨링 방법인 객체 발견(object discovery)을 제안합니다. 또한, 인스턴스 레벨 정보가 샘플링에 이용되지 않는 약한 감독 환경에서 새로운 대조 손실 함수인 약한 지도 대조 손실(Weakly Supervised Contrastive Loss, WSCL)을 도입합니다. WSCL은 같은 클래스의 임베딩 벡터에 대한 일관된 특성을 활용하여 객체 발견에 대한 신뢰할 수 있는 유사성 임계값을 구축하는 것을 목표로 합니다. 그 결과, MS-COCO 2014 및 2017, 그리고 PASCAL VOC 2012에서 새로운 최신 성능을 달성하였으며, PASCAL VOC 2007에서도 경쟁력 있는 성과를 거두었습니다.