WeText: Scene Text Detection under Weak Supervision
Institute for Infocomm Research（资讯通信研究院）；Nanyang Technological University（南洋理工大学）；National University of Singapore（新加坡国立大学）
需要大量带注释的训练数据已经成为各种深度学习系统的共同约束。在本文中，我们提出了一种弱监督场景文本检测方法（WeText），通过从未注释或弱注释的数据中学习来训练鲁棒且准确的场景文本检测模型。通过在一个小的完全注释的数据集上训练的“轻”监督模型，我们分别在一个大的未注释的数据集和一个大的弱注释的数据集上探索半监督和弱监督学习。对于无监督学习，将轻监督模型应用于未注释的数据集以搜索更多的字符训练样本，这些样本进一步与小注释数据集组合以重新训练更优的字符检测模型。对于弱监督学习，字符搜索由单词/文本行的高级注释引导，这些注释广泛可用并且也更容易准备。此外，我们通过基于回归的深度网络设计了一个统一的场景特征检测器，这大大缓解了大多数传统方法中广泛存在的错误积累问题。在不同的未注释和弱注释数据集上的大量实验表明，场景文本检测性能在两种情况下都可以明显提高，其中弱监督学习可以通过仅使用229个完全注释的场景文本图像来实现最先进的性能。
2017-10-13 cs.CV
Collaborative Learning for Weakly Supervised Object Detection
Cooperative Madianet Innovation Center（Madianet协同创新中心）；Shanghai Jiao Tong University（上海交通大学）
弱监督目标检测最近受到了广泛的关注，因为它只需要图像级别的标签，而不是在强监督学习中消耗的边界框标签。然而，标签费用的节省通常是以模型精度为代价的。在本文中，我们提出了一个简单但有效的弱监督协作学习框架来解决这个问题，该框架通过强制部分特征共享和预测一致性来联合训练弱监督学习者和强监督学习者。对于目标检测，以WSDDN为弱监督检测器子网络，Faster-RCNN为强监督检测器子网络，提出了一种端到端的弱监督协作检测网络。由于不存在可用于训练Faster-RCNN类子网络的强监督，因此定义了新的预测一致性损失以强制两个子网络之间以及Faster-RCNN类子网络内的预测的一致性。同时，两个检测器被设计为部分共享特征，以进一步保证模型在感知水平上的一致性。在PASCAL VOC 2007和2012数据集上的大量实验证明了所提出的框架的有效性。
2018-02-10 cs.CV
Human-Scene Network: A Novel Baseline with Self-rectifying Loss for Weakly supervised Video Anomaly Detection
INRIA（法国国家信息与自动化研究所）；Woven Planet Holdings；Toyota Motor Europe（丰田汽车欧洲公司）
在只有视频级标签（即弱监督）的监控系统中，视频异常检测是具有挑战性的。这是由于：（i）基于人类和场景的异常的复杂整合，包括真实世界场景中的微妙和尖锐的时空线索，（ii）在弱监督下正常和异常实例之间的非最优优化。在本文中，我们提出了一个人类场景网络学习歧视性的表示，通过捕捉微妙和强烈的线索，在解离的方式。此外，还提出了一种自校正损失，从视频级标签中动态计算伪时间注释，以有效地优化人-场景网络。在三个公开可用的数据集上验证了所提出的具有自校正损失优化的人类场景网络，即UCF-Crime，ShanghaiTech和IITB-Corridor，在所考虑的六个场景中的五个场景中，表现优于最近报道的最先进的方法。
2023-01-19 cs.CV
Weakly- and Semi-Supervised Panoptic Segmentation
University of Oxford（牛津大学）
我们提出了一个弱监督模型，共同执行语义和实例分割-一个特别相关的问题，因为获得像素完美的注释这些任务的大量成本。与许多流行的基于对象检测器的实例分割方法相比，我们的方法不预测任何重叠的实例。此外，我们能够分割“东西”和“东西”类，从而解释图像中的所有像素。“Thing”类使用边界框进行弱监督，而“stuff”类使用图像级标签。我们在Pascal VOC上获得了最先进的结果，无论是完全监督还是弱监督（实现了约95%的完全监督性能）。此外，我们提出了第一个弱监督的结果城市景观的语义和实例分割。最后，我们使用我们的弱监督框架来分析注释质量和预测性能之间的关系，这是数据集创建者感兴趣的。
2019-01-13 cs.CV
Hierarchical Scene Parsing by Weakly Supervised Learning with Image Descriptions
Sun Yat-sen University（中山大学）；Hefei University of Technology（合肥工业大学）；Harbin Institute of Technology（哈尔滨工业大学）
本文研究了场景理解的一个基本问题：如何将场景图像解析成结构化配置（即，具有对象交互关系的语义对象层次结构）。我们提出了一个由两个网络组成的深度架构：i）卷积神经网络（CNN）提取图像表示用于逐像素对象标记，ii）递归神经网络（RsNN）发现分层对象结构和对象间关系。而不是依赖于精心的注释（例如，手动标记的语义图和关系），我们通过利用训练图像的描述性语句以弱监督学习方式训练我们的深度模型。具体来说，我们将每个句子分解成一个由名词和动词短语组成的语义树，并应用这些树结构来发现训练图像的配置。一旦确定了这些场景配置，则通过反向传播相应地更新CNN和RsNN两者的参数。整个模型的训练是通过期望最大化方法完成的。大量的实验表明，我们的模型能够产生有意义的场景配置，并在两个基准上实现更有利的场景标记结果（即，PASCAL VOC 2012和SYSU-Scenes）与其他最先进的弱监督深度学习方法相比。特别是，SYSU-Scenes包含超过5000个场景图像及其语义句子描述，这是我们为推进场景解析研究而创建的。
2018-01-27 cs.CV
Hide-and-Seek: Forcing a Network to be Meticulous for Weakly-supervised Object and Action Localization
University of California, Davis（加州大学戴维斯分校）
我们提出了“隐藏和寻找”，一个弱监督的框架，旨在提高图像中的对象定位和视频中的动作定位。大多数现有的弱监督方法仅定位对象的最具区分性的部分，而不是所有相关部分，这导致次优性能。我们的关键思想是在训练图像中随机隐藏补丁，迫使网络在隐藏最具鉴别力的部分时寻找其他相关部分。我们的方法只需要修改输入图像，并且可以与任何为对象定位而设计的网络一起工作。在测试过程中，我们不需要隐藏任何补丁。我们的隐藏和寻找的方法获得了优越的性能相比，以前的方法弱监督对象定位的ILSVRC数据集。我们还证明了我们的框架可以很容易地扩展到弱监督动作定位。
2017-12-23 cs.CV
Weakly-supervised Instance Segmentation via Class-agnostic Learning with Salient Images
Huazhong University of Science and Technology（华中科技大学）；VIVO Inc.（维沃移动通信有限公司）
人类具有很强的类无关对象分割能力，能够精确地勾画出未知对象的边界，这促使我们提出了一种基于框监督类无关对象分割（BoxCaseg）的弱监督实例分割解决方案。BoxCaseg模型是以多任务学习方式使用框监督图像和显着图像进行联合训练的。精细注释的显著图像为框监督图像提供了类别不可知和精确的对象定位指导。通过一种新的合并和丢弃策略来细化由预训练的BoxCaseg模型预测的对象掩码，作为代理地面实况，以训练Mask R-CNN进行弱监督实例分割。仅使用$7991$显著图像，弱监督Mask R-CNN与PASCAL VOC上的全监督Mask R-CNN相当，并且显着优于COCO上以前最先进的框监督实例分割方法。源代码、预训练模型和数据集可在\url{https://github.com/hustvl/BoxCaseg}获得。
2021-04-04 cs.CV
CaT: Weakly Supervised Object Detection with Category Transfer
Shanghai Jiao Tong University（上海交通大学）；Shanghai AI Laboratory（上海人工智能实验室）
在全监督目标检测和弱监督目标检测之间存在很大的差距。为了缩小这一差距，一些方法考虑从额外的全监督数据集转移知识。但是这些方法没有充分利用全监督数据集中的判别类别信息，从而导致低mAP。为了解决这个问题，我们提出了一种新的类别转移框架弱监督目标检测。直觉是充分利用全监督数据集中的视觉区分和语义相关的类别信息，以增强弱监督检测器的对象分类能力。为了处理重叠的类别转移，我们提出了一个双监督平均教师收集共同的类别信息，并弥合两个数据集之间的领域差距。为了处理非重叠的类别转移，我们提出了一个语义图卷积网络，以促进相关类别之间的语义特征的聚合。以Pascal VOC 2007为弱监督目标数据集，COCO为全监督源数据集进行实验。我们的类别转移框架实现了63.5%的mAP和80.3%的CorLoc，两个数据集之间有5个重叠的类别，这优于最先进的方法。代码可在https://github.com/MediaBrain-SJTU/CaT获得。
2021-08-17 cs.CV
Do we still need ImageNet pre-training in remote sensing scene classification?
University of Banja Luka（巴尼亚卢卡大学）
由于标记数据的稀缺性，使用ImageNet上预训练的监督模型是遥感场景分类的事实标准。近年来，随着高分辨率遥感图像数据集的不断涌现和自监督学习的发展，人们开始思考是否需要对ImageNet进行监督预训练，以及在目标遥感场景分类任务中，对HRRS图像数据集进行监督预训练和对ImageNet进行自监督预训练是否能取得更好的效果。为了回答这些问题，在本文中，我们从头开始训练模型，并在几个HRRS图像数据集上微调监督和自监督ImageNet模型。我们还评估了HRRS场景分类任务的学习表示的可转移性，并表明自监督预训练优于监督预训练，而HRRS预训练的性能与自监督预训练相似或略低。最后，我们建议使用ImageNet预训练模型结合使用域内HRRS图像的第二轮预训练，即域自适应预训练。实验结果表明，域自适应预训练的结果在HRRS场景分类基准上达到了最先进的结果。源代码和预训练模型可在\url{https://github.com/risojevicv/RSSC-transfer}上获得。
2022-05-25 cs.CV
Self-supervised Scale Equivariant Network for Weakly Supervised Semantic Segmentation
University of Chinese Academy of Sciences（中国科学院大学）；CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心）
弱监督语义分割以其低标注成本的优势，近年来引起了广泛的研究兴趣。大多数先进的算法遵循的设计原则，扩大和限制的种子区域从类激活图（CAM）。众所周知，传统的CAM往往是不完整的或过度激活，由于监管不力。幸运的是，我们发现语义分割具有空间变换等变性，可以形成一些自我监督，以帮助弱监督学习。这项工作主要探讨了CAM生成的规模等变约束的优点，制定了一个自监督规模等变网络（SSENet）。具体地说，一种新的尺度等变正则化精心设计，以确保从相同的输入图像具有不同的分辨率CAM的一致性。这种新的尺度等变正则化可以指导整个网络学习更准确的类激活。这种正则化的CAM可以嵌入到最新的高级弱监督语义分割框架中。在PASCAL VOC 2012数据集上进行的大量实验表明，该方法在弱监督语义分割的定量和定性方面都达到了最先进的性能。代码已可用。
2019-09-09 cs.CV
Learning a Weakly-Supervised Video Actor-Action Segmentation Model with a Wise Selection
University of Rochester（罗切斯特大学）
我们解决了弱监督视频演员动作分割（VAAS），它扩展了一般的视频对象分割（VOS），以额外考虑演员的动作标签。VOS上最成功的方法是合成一个伪注释池（PA），然后迭代地对其进行优化。然而，他们面临的挑战是如何从大量的PA中选择高质量的PA，如何为弱监督训练设置适当的停止条件，以及如何初始化与VAAS相关的PA。为了克服这些挑战，我们提出了一个通用的弱监督框架，该框架具有明智的训练样本选择和模型评估标准（WS^2）。WS^2不是盲目信任质量不一致的PA，而是采用基于学习的选择来选择有效的PA，并采用新的区域完整性标准作为弱监督训练的停止条件。此外，一个3D-Conv GCAM的设计，以适应VAAS任务。大量的实验表明，WS^2在弱监督的VOS和VAAS任务上都达到了最先进的性能，并且与VAAS上最好的全监督方法相当。
2020-03-29 cs.CV
Self-SuperFlow: Self-supervised Scene Flow Prediction in Stereo Sequences
Technische Universität Kaiserslautern（凯泽斯劳滕工业大学）；DFKI -- German Research Center for Artificial Intelligence（德国人工智能研究中心）
近年来，深度神经网络在解决包括场景流预测在内的许多计算机视觉任务方面表现出了卓越的能力。然而，大多数进展都依赖于大量密集的每像素地面实况注释的可用性，这对于现实生活场景是非常难以获得的。因此，通常依赖于合成数据进行监督，导致训练数据和测试数据之间的表示差距。尽管存在大量未标记的现实世界数据，但场景流预测的自监督方法却非常缺乏。因此，我们探讨了扩展的自我监督损失的基础上普查变换和闭塞感知的双向位移的场景流预测的问题。关于KITTI场景流基准，我们的方法优于相同网络的相应监督预训练，并显示出更好的泛化能力，同时实现更快的收敛。
2022-06-30 cs.CV
Self-Supervised Learning of Remote Sensing Scene Representations Using Contrastive Multiview Coding
University of Banja Luka（巴尼亚卢卡大学）
近年来，自监督学习已成为无监督表示学习的一个有前途的候选者。在视觉领域，其应用主要是在自然场景图像的背景下研究的。然而，它的适用性在特定领域特别有趣，如遥感和医学，在这些领域很难获得大量的标记数据。本文对自监督学习在遥感图像分类中的应用进行了深入的分析。我们分析了用于自监督预训练的图像的数量和域对下游任务性能的影响。我们表明，对于遥感图像分类的下游任务，使用自监督的遥感图像预训练可以得到更好的结果比使用监督的预训练的图像的自然场景。此外，我们还表明，自我监督的预训练可以很容易地扩展到多光谱图像，在我们的下游任务中产生更好的结果。
2021-06-03 cs.CV
Decoupling Makes Weakly Supervised Local Feature Better
Sun Yat-Sen University（中山大学）；The Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区）；National University of Defense Technology（国防科技大学）；University of Oulu（奥卢大学）；Alibaba Group（阿里巴巴集团）
弱监督学习可以帮助局部特征方法克服获取具有密集标记对应的大规模数据集的障碍。然而，由于弱监督不能区分由检测和描述步骤引起的损失，因此在联合描述-然后-检测流水线内直接进行弱监督学习会受到性能的限制。在本文中，我们提出了一种专为弱监督局部特征学习而设计的解耦描述然后检测管道。在我们的流水线中，检测步骤与描述步骤解耦，并推迟到学习了有区别的和鲁棒的描述符。此外，我们引入了一个线到窗口的搜索策略，明确地使用相机的姿态信息，更好的描述符学习。大量的实验表明，我们的方法，即PoSFeat（摄像机姿态监督特征），优于以前的完全和弱监督方法，并在广泛的下游任务上实现了最先进的性能。
2022-03-26 cs.CV
Weakly-Supervised 3D Pose Estimation from a Single Image using Multi-View Consistency
University of Surrey（萨里大学）
我们提出了一种新的数据驱动的正则化弱监督学习的三维人体姿态估计，消除了漂移问题，影响现有的方法。我们通过将立体声重建问题转移到网络本身的损失中来做到这一点。这避免了在训练之前重建3D数据的需要，并且与之前的半监督方法不同，避免了监督训练的预热期的需要。我们的方法的概念和实现的简单性是其吸引力的基础。它不仅可以简单地用我们额外的基于重投影的损失来增强许多弱监督方法，而且很明显它如何塑造重建和防止漂移。因此，我们相信这将是一个有价值的工具，任何研究人员在弱监督的3D重建工作。在Panoptic上进行评估，这是最大的多相机和无标记数据集，我们获得的准确性与在训练中充分利用3D地面实况的强监督方法基本上无法区分。
2019-09-13 cs.CV
Self-Supervised Monocular Scene Decomposition and Depth Estimation
KUIS AI Center（KUIS AI中心）；Koç University（科奇大学）
自监督单目深度估计方法要么忽略场景中独立移动的对象，要么需要单独的分割步骤来识别它们。我们提出MonoDepthSeg来联合估计深度并从单目视频中分割移动对象，而不使用任何地面真实标签。我们将场景分解为固定数量的组件，每个组件对应于图像上的一个区域，其自身的变换矩阵表示其运动。我们估计的掩模和运动的每个组件有效地与共享的编码器。我们在三个驱动数据集上评估了我们的方法，并表明我们的模型在将场景分解为单独移动组件的同时明显提高了深度估计。
2021-10-21 cs.CV
Active Self-Training for Weakly Supervised 3D Scene Semantic Segmentation
Shenzhen University（深圳大学）；Carleton University（卡尔顿大学）
由于为训练点云的语义分割网络准备标记数据是一个耗时的过程，因此已经引入了弱监督方法来仅从一小部分数据中学习。这些方法通常基于具有对比损失的学习，同时从用户注释的标签的稀疏集合自动导出每点伪标签。在本文中，我们的主要观察结果是，选择要注释的样本与如何使用这些样本进行训练一样重要。因此，我们介绍了一种弱监督分割的3D场景，结合自我训练与主动学习的方法。主动学习选择可能导致训练模型性能改进的注释点，而自训练有效地使用用户提供的标签来学习模型。我们证明，我们的方法导致一个有效的方法，提供了改进的场景分割在以前的作品和基线，同时只需要少量的用户注释。
2022-09-15 cs.CV
Occlusion Guided Self-supervised Scene Flow Estimation on 3D Point Clouds
Tel Aviv University（特拉维夫大学）
理解两个连续时间帧之间稀疏采样点的3D空间流动是现代几何驱动系统的核心，如VR/AR，机器人和自动驾驶。由于缺乏真实的、非模拟的、标记的数据，因此强调了自我或无监督的深度架构的重要性。本文提出了一种新的自监督训练方法和一种用于遮挡情况下的三维场景流估计的体系结构。在这里，我们表明，智能流量预测和遮挡检测之间的多层融合优于传统架构的遮挡和非遮挡的情况下，由一个很大的利润。我们报告了Flyingthings 3D和KITTI数据集的最新结果，用于监督和自我监督训练。
2021-10-17 cs.CV
Semi-supervised Learning for Dense Object Detection in Retail Scenes
ParallelDots, Inc.（ParallelDots公司）
零售场景通常在每个图像中包含密集的大量对象。标准的目标检测技术使用完全监督的训练方法。这是非常昂贵的，因为与标准数据集相比，注释大的密集零售目标检测数据集涉及多一个数量级的工作。因此，我们提出了半监督学习，以有效地利用大量的未标记的数据在零售领域。我们适应一个流行的自我监督的方法，称为嘈杂的学生最初提出的对象分类密集的目标检测的任务。我们表明，使用未标记的数据与嘈杂的学生训练方法，我们可以提高在密集的零售场景中精确检测物体的最新技术水平。我们还表明，模型的性能随着未标记数据量的增加而增加。
2021-07-05 cs.CV
SCANet: Scene Complexity Aware Network for Weakly-Supervised Video Moment Retrieval
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
针对弱监督视频时刻检索中现有提案未考虑视频场景数量变化的问题，提出SCANet，通过测量视频场景复杂度生成自适应提案，在三个基准上取得最先进性能。
2025-04-14 cs.CV
Distribution Guidance Network for Weakly Supervised Point Cloud Semantic Segmentation
Peking University（北京大学）；Peng Cheng Laboratory（鹏城实验室）；Tencent（腾讯）；SECE, Peking University（北京大学电子学院）；Media Laboratory, Tencent（腾讯媒体实验室）
本文提出分布引导网络DGNet，通过moVMF分布对齐弱监督特征空间，在多个点云语义分割数据集和弱监督设置下取得最先进性能。
2024-10-18 cs.CV
Self-supervised Multi-scale Consistency for Weakly Supervised Segmentation Learning
IMT School for Advanced Studies Lucca（卢卡IMT高等研究院）；University of Edinburgh（爱丁堡大学）
收集具有细粒度注释的大规模医学数据集非常耗时，需要专家。因此，弱监督学习旨在使用较弱形式的注释（如涂鸦）优化机器学习模型，这些注释更容易收集，更快。不幸的是，使用弱标签进行训练具有挑战性，需要正则化。在这里，我们介绍了一种新的自我监督的多尺度一致性损失，再加上一个注意力机制，鼓励分割器学习对象之间的多尺度关系，提高性能。我们在几个医疗和非医疗数据集上展示了最先进的性能。用于实验的代码可在https://vios-s.github.io/multiscale-pyag上获得。
2021-08-26 cs.CV
Min-Entropy Latent Model for Weakly Supervised Object Detection
University of Chinese Academy of Sciences（中国科学院大学）；Sun Yat-sen University（中山大学）
弱监督目标检测是一个具有挑战性的任务时，提供了图像类别的监督，但需要学习，在同一时间，对象的位置和对象检测器。弱监督和学习目标之间的不一致性引入了显着的随机性对象的位置和模糊性的检测器。提出了一种用于弱监督目标检测的最小熵潜在模型（MELM）。最小熵作为学习对象位置的模型和度量学习过程中对象定位的随机性的度量。它的目的是主要减少学习的实例的方差和减轻检测器的歧义。MELM被分解为三个组件，包括建议团划分，对象团发现，对象定位。MELM是优化与经常性的学习算法，利用连续优化来解决具有挑战性的非凸性问题。实验表明，MELM显着提高性能的弱监督目标检测，弱监督目标定位，和图像分类，对国家的最先进的方法。
2019-02-16 cs.CV
Self-Supervised Scene De-occlusion
The Chinese University of Hong Kong（香港中文大学）；Nanyang Technological University（南洋理工大学）
自然场景理解是一项具有挑战性的任务，特别是当遇到部分遮挡的多个对象的图像时。这个障碍是由不同的对象排序和定位引起的。现有的场景理解范例只能解析可见部分，导致不完整和非结构化的场景解释。本文研究场景去遮挡问题，旨在恢复底层遮挡顺序并完整被遮挡对象的不可见部分。我们第一次尝试通过一个新的和统一的框架，恢复隐藏的场景结构，而不订购和amodal注释作为监督来解决这个问题。这是通过部分完成网络（PCNet）-掩码（M）和-内容（C）来实现的，它们分别以自我监督的方式学习恢复对象掩码和内容的部分。在PCNet-M和PCNet-C的基础上，我们设计了一种新的推理方案，通过顺序恢复、非模态完成和内容完成来实现场景去遮挡。在现实场景中进行的大量实验证明了我们的方法比其他替代方案具有更优越的性能。值得注意的是，我们以自我监督方式训练的方法取得了与完全监督方法相当的结果。所提出的场景去遮挡框架有益于许多应用，包括高质量和可控的图像操纵和场景重组（参见图1），以及现有模态掩模注释到非模态掩模注释的转换。
2020-04-06 cs.CV
Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving
College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学，新加坡）；SenseTime Research, Hong Kong, China（时光科技研究院，香港，中国）
本文提出基于LiDAR点云的弱监督与自监督类无关运动预测方法，利用前景/背景或非地面/地面掩码替代运动标注，并设计鲁棒一致性感知Chamfer Distance损失抑制异常值，在降低标注成本的同时保持优异性能。
2025-09-16 cs.CV
SPSG: Self-Supervised Photometric Scene Generation from RGB-D Scans
Technical University of Munich（慕尼黑工业大学）；Google（谷歌）
我们提出了SPSG，一种新的方法来生成高质量的，彩色的3D模型的场景从RGB-D扫描观察学习推断未观察到的场景几何形状和颜色在一个自我监督的方式。我们的自我监督方法通过将不完整的RGB-D扫描与该扫描的更完整版本相关联来学习联合修复几何形状和颜色。值得注意的是，我们不是依靠3D重建损失来告知我们的3D几何和颜色重建，而是提出了在2D渲染上操作的对抗性和感知损失，以实现场景的高分辨率，高质量的彩色重建。这利用了来自单个原始RGB-D帧的高分辨率、自一致信号，而帧的融合3D重建则表现出与视图相关效果的不一致性，例如色彩平衡或姿势不一致。因此，通过直接通过2D信号通知我们的3D场景生成，我们可以生成高质量的3D场景彩色重建，在合成和真实数据上都优于现有技术。
2021-04-28 cs.CV
WOAD: Weakly Supervised Online Action Detection in Untrimmed Videos
Salesforce Research（赛富时研究院）
未裁剪视频中的在线动作检测旨在识别发生的动作，这对于实时应用非常重要。以前的方法依赖于繁琐的时间动作边界的注释进行训练，这阻碍了在线动作检测系统的可扩展性。我们提出了WOAD，这是一个弱监督框架，可以只使用视频类标签进行训练。WOAD包含两个联合训练模块，即，时间建议生成器（TPG）和在线动作识别器（OAR）。在视频类标签的监督下，TPG离线工作，目标是准确挖掘OAR的伪帧级标签。通过TPG的监督信号，OAR学习以在线方式进行动作检测。在THUMOS'14，ActivityNet1.2和ActivityNet1.3上的实验结果表明，我们的弱监督方法在很大程度上优于弱监督基线，并实现了与以前的强监督方法相当的性能。除此之外，WOAD还可以灵活地利用强有力的监督。当强监督时，我们的方法在在线每帧动作识别和在线动作开始检测的任务中获得了最先进的结果。
2021-05-18 cs.CV
Weakly-Supervised Arbitrary-Shaped Text Detection with Expectation-Maximization Algorithm
University of Chinese Academy of Sciences（中国科学院大学）；CAS Center for Excellence of Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心）
异形文字检测是计算机视觉中一个重要而又具有挑战性的课题。大多数现有的方法需要大量的数据标记工作，以产生用于监督训练的文本区域标签。为了降低数据标记的成本，我们研究了弱监督任意形状文本检测，以结合各种弱监督形式（例如，图像级标签、粗略的、松散的和紧密的边界框），这对于注释来说要容易得多。我们提出了一个基于期望最大化（EM）的弱监督学习框架，训练一个准确的任意形状的文本检测器，只使用少量的文本级注释数据结合大量的弱注释数据。同时，我们提出了一个基于轮廓的任意形状的文本检测器，这是适合于结合弱监督学习。在CTW 1500、Total-Text和ICDAR-ArT三个任意形状的文本基准测试上的实验表明：（1）仅使用10%的强注释数据和90%的弱注释数据，我们的方法的性能与现有方法相当;（2）在100%的强注释数据下，我们的方法在所有三个基准测试上的性能都优于现有方法。我们将在未来公开弱注释数据集。
2020-12-01 cs.CV
Active Learning Strategies for Weakly-supervised Object Detection
Inria（法国国家信息与自动化研究所）；DI/ENS (ENS-PSL, CNRS, Inria)（巴黎高等师范学院计算机系（巴黎高等师范学院-巴黎文理研究大学、法国国家科学研究中心、法国国家信息与自动化研究所））；New York University（纽约大学）
用弱注释训练的对象检测器是完全监督的替代品。然而，它们之间仍然存在很大的性能差距。我们建议通过微调一个基本的预训练的弱监督检测器，使用"盒中盒“（BiB）自动从训练集中选择一些完全注释的样本来缩小这一差距，这是一种新的主动学习策略，专门用于解决弱监督检测器的有据可查的故障模式。在VOC07和COCO基准测试上的实验表明，BiB优于其他主动学习技术，并且在每个类只有少量完全注释图像的情况下，显著提高了基本弱监督检测器的性能。BiB达到了全监督快速RCNN性能的97%，而VOC 07上只有10%的完全注释图像。在COCO上，平均每个类使用10个完全注释的图像，或相当于训练集的1%，BiB还将弱监督检测器和全监督快速RCNN之间的性能差距（在AP中）减少了70%以上，显示了性能和数据效率之间的良好权衡。我们的代码可在https://github.com/huyvvo/BiB上公开获取。
2022-07-25 cs.CV
Self-Supervised Relation Alignment for Scene Graph Generation
University of British Columbia（不列颠哥伦比亚大学）；Vector Institute for AI（Vector人工智能研究所）；Canada CIFAR AI Chair（加拿大CIFAR人工智能讲席）
针对场景图生成任务，提出一种可与任意现有框架结合的自监督关系对齐正则化方法，通过带掩码的辅助分支蒸馏对齐监督分支预测，在SGTR和Neural Motifs架构上均实现性能显著提升。
2023-12-12 cs.CV
NoPeopleAllowed: The Three-Step Approach to Weakly Supervised Semantic Segmentation
SoftServe（SoftServe公司）；Ukrainian Catholic University（乌克兰天主教大学）
我们提出了一种新的方法，弱监督语义分割，其中包括三个连续的步骤。前两步从图像级注释数据中提取高质量的伪掩模，然后在第三步中使用伪掩模来训练分割模型。该方法还解决了数据中的两个问题：类不平衡和缺少标签。仅使用图像级注释作为监督，我们的方法能够分割各种类别和复杂对象。它在测试集上实现了37.34的平均IoU，在弱监督语义分割任务中的LID挑战中排名第三。
2020-06-13 cs.CV
Weakly Supervised Human-Object Interaction Detection in Video via Contrastive Spatiotemporal Regions
MIT（麻省理工学院）；CIIRC CTU（捷克理工大学计算机科学与人工智能研究所）；Adobe（奥多比）
我们介绍了弱监督学习的任务，用于检测视频中的人和对象的交互。我们的任务带来了独特的挑战，因为系统不知道视频中存在什么类型的人与物体的交互，也不知道人与物体的实际时空位置。为了解决这些挑战，我们引入了一种对比性弱监督训练损失，旨在将视频中的时空区域与动作和对象词汇相关联，并鼓励移动对象的视觉外观的时间连续性作为自我监督的一种形式。为了训练我们的模型，我们引入了一个数据集，该数据集包括超过6.5k个带有人机交互注释的视频，这些注释是从与视频相关的句子标题中半自动策划的。我们证明了在弱监督基线上改进的性能，这些基线适合我们在视频数据集上的任务。
2021-10-07 cs.CV
Weakly Supervised Deep Detection Networks
University of Oxford（牛津大学）
目标检测的弱监督学习是图像理解中的一个重要问题，至今仍没有一个令人满意的解决方案。在本文中，我们通过利用在大规模图像级分类任务上预训练的深度卷积神经网络的能力来解决这个问题。我们提出了一种弱监督深度检测架构，该架构修改了一个这样的网络，使其在图像区域级别上运行，同时执行区域选择和分类。作为图像分类器训练，该架构隐式地学习对象检测器，其优于PASCAL VOC数据上的替代弱监督检测系统。该模型是一个简单而优雅的端到端架构，其性能优于标准的数据增强和图像级分类任务的微调技术。
2016-12-19 cs.CV
CaCL: Class-aware Codebook Learning for Weakly Supervised Segmentation on Diffuse Image Patterns
Vanderbilt University（范德堡大学）；Vanderbilt University Medical Center（范德堡大学医学中心）
弱监督学习在生物医学图像分析中得到了快速发展，以从图像标注（分类）实现像素标签（分割），因为生物医学图像在许多情况下自然包含图像标签。来自计算机视觉界的当前弱监督学习算法主要是针对焦点对象（例如，狗和猫）。然而，这样的算法没有针对生物医学成像中的漫射图案（例如，染色和显微成像中的荧光）。在本文中，我们提出了一种新的类感知码本学习（CaCL）算法进行弱监督学习扩散图像模式。具体而言，CaCL算法被部署到从人类十二指肠的组织学图像中分割蛋白质表达的刷状缘区域。我们的贡献是三方面的：（1）我们从一个新的码本学习的角度来处理弱监督分割;（2）CaCL算法分割扩散图像模式，而不是焦点对象;（3）所提出的算法是在一个多任务框架的基础上实现的矢量量化-变分自编码器（VQ-VAE）通过联合图像重建，分类，特征嵌入，和分割。实验结果表明，我们的方法取得了优越的性能相比，基线弱监督算法。该代码可在https://github.com/ddrrnn123/CaCL上获得。
2022-04-13 cs.CV
On Evaluating Weakly Supervised Action Segmentation Methods
University of Bonn（波恩大学）；Toyota Motor Europe（丰田汽车欧洲公司）
动作分割是在时间上分割未修剪视频的每一帧的任务。弱监督的动作分割方法，特别是从成绩单一直相当感兴趣的计算机视觉社区。在这项工作中，我们专注于弱监督动作分割方法的使用和评估的两个方面，这两个方面经常被忽视：多个训练运行的性能差异和选择特征提取器对这项任务的影响。为了解决第一个问题，我们在Breakfast数据集上对每个方法进行了5次训练，并提供了结果的平均值和标准差。我们的实验表明，这些重复的标准偏差在1和2.5%之间，并显着影响不同方法之间的比较。此外，我们对特征提取的研究表明，对于所研究的弱监督动作分割方法，更高级别的I3D特征比经典的IDT特征表现更差。
2021-10-21 cs.CV
Self-Supervised Robust Scene Flow Estimation via the Alignment of Probability Density Functions
University of Florida（佛罗里达大学）
在本文中，我们提出了一种新的自监督场景流估计方法的一对连续的点云。我们的方法的核心思想是表示离散点云连续的概率密度函数，使用高斯混合模型。因此，场景流估计转换成恢复运动的概率密度函数，我们实现使用经典的Cauchy-Schwarz发散的封闭形式的表达对齐的问题。与现有的基于最近邻的方法使用硬配对对应不同，我们提出的方法在点云之间建立了软和隐式的点对应，并在存在缺失对应和离群值的情况下生成更鲁棒和准确的场景流。综合实验表明，我们的方法在真实世界环境中的倒角距离和地球移动器的距离上取得了显着的增益，并在FlyingThings 3D和KITTI上的自监督学习方法中实现了最先进的性能，甚至优于一些具有地面真实标注的监督方法。
2022-03-23 cs.CV
Weakly- and Semi-Supervised Object Detection with Expectation-Maximization Algorithm
Tsinghua University（清华大学）
当提供图像级标签而不是实例级标签时的目标检测（即，边界框）是计算机视觉中的一个重要问题，因为获得具有实例级标签的大规模图像数据集的成本极高。在本文中，我们通过使用深度卷积神经网络（CNN）开发基于期望最大化（EM）的目标检测方法来解决这个具有挑战性的问题。我们的方法适用于弱监督和半监督的设置。在PASCAL VOC 2007 benchmark上进行的大量实验表明：（1）在弱监督设置下，我们的方法比当前最先进的方法提供了显着的检测性能改进，（2）可以访问少量的强（实例级）注释图像，我们的方法几乎可以与完全监督的Fast RCNN的性能相匹配。我们在https://github.com/ZiangYan/EM-WSD上共享源代码。
2017-02-28 cs.CV
Simple Does It: Weakly Supervised Instance and Semantic Segmentation
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Saarland University（萨尔大学）
语义标记和实例分割是需要特别昂贵的注释的两个任务。从弱监督的形式限界框检测注释，我们提出了一种新的方法，不需要修改的分割训练过程。我们表明，当从给定的边界框中仔细设计输入标签时，即使是一轮训练也足以改善先前报告的弱监督结果。总的来说，我们的弱监督方法达到了完全监督模型质量的95%，无论是语义标记还是实例分割。
2016-11-23 cs.CV
Decoupled Spatial Neural Attention for Weakly Supervised Semantic Segmentation
Nanyang Technological University（南洋理工大学）；The University of Adelaide（阿德莱德大学）
弱监督的语义分割得到了很多研究的关注，因为它强调了需要获得大量的密集像素明智的地面实况注释的训练图像。与其他形式的弱监督相比，图像标签的获取效率相当高。在我们的工作中，我们专注于弱监督语义分割与图像标签标注。这项任务的最新进展在很大程度上取决于生成的伪注释的质量。在这项工作中，灵感来自空间神经注意图像描述，我们提出了一个解耦的空间神经注意网络生成伪注释。我们的解耦注意力结构可以同时识别目标区域和定位有区别的部分，在一个前向路径中生成高质量的伪注释，生成的伪注释导致分割结果，达到了最先进的弱监督语义分割。
2018-03-07 cs.CV
Improving Weakly-Supervised Object Localization By Micro-Annotation
IST Austria（奥地利科学技术研究所）
弱监督的对象定位方法往往会失败的对象类，始终与相同的背景元素，如火车上的轨道。我们提出了一种方法来克服这些故障，通过添加一个非常少量的模型特定的附加注释。其主要思想是将深度网络的中层表示聚类，并为每个聚类分配对象或干扰项标签。实验表明，在具有挑战性的ILSVC 2014数据集上进行限界框检测和在PASCAL VOC 2012数据集上进行语义分割的定位结果得到了显著改善。
2016-05-18 cs.CV
What Matters in Autonomous Driving Anomaly Detection: A Weakly Supervised Horizon
INRIA（法国国家信息与自动化研究所）
针对自动驾驶移动相机场景下弱监督视频异常检测研究不足的问题，本文重构DoTA数据集验证现有方法，提出特征变换模块以提升检测性能，并将开源相关资源。
2024-08-10 cs.CV
NeRF-SOS: Any-View Self-supervised Object Segmentation on Complex Scenes
University of Texas at Austin（德克萨斯大学奥斯汀分校）
神经体积表示已经表明，多层感知机（MLP）可以通过多视图校准图像进行优化，以表示场景几何形状和外观，而无需显式3D监督。基于学习的辐射场，对象分割可以丰富许多下游应用。然而，引入手工制作的分割来定义复杂的真实世界场景中的感兴趣区域是不平凡的和昂贵的，因为它需要每个视图注释。针对复杂的真实场景，利用NeRF进行了自监督学习的目标分割探索。我们的框架，称为NeRF与自监督对象分割NeRF-SOS，耦合对象分割和神经辐射场分割对象在场景内的任何视图。通过在外观和几何级别提出一种新的协作对比损失，NeRF-SOS鼓励NeRF模型从其密度场和自监督预训练的2D视觉特征中提取紧凑的几何感知分割集群。自监督对象分割框架可以应用于各种NeRF模型，这些模型可以为室内和室外场景提供照片般逼真的渲染结果和令人信服的分割图。LLFF、Tank & Temple和BlendedMVS数据集上的大量结果验证了NeRF-SOS的有效性。它始终优于其他基于2D的自监督基线，并预测比现有监督同行更精细的语义掩码。请参阅我们项目页面上的视频了解更多详情：https://zhiwenfan.github.io/NeRF-SOS。
2022-10-12 cs.CV
Transformer based multiple instance learning for weakly supervised histopathology image segmentation
Beihang University（北京航空航天大学）；China Pharmaceutical University（中国药科大学）；Zhejiang University（浙江大学）；Microsoft Research（微软研究院）；Xiaomi Corporation（小米公司）
病理图像分割算法在计算机辅助诊断技术中占有重要地位。弱监督分割算法的发展解决了医学图像标注费时费力的问题。作为弱监督学习的一个子集，多实例学习（MIL）在分割中被证明是有效的。然而，MIL中实例之间缺乏相关信息，这限制了分割性能的进一步提高。在本文中，我们提出了一种新的弱监督的方法，在组织病理学图像的像素级分割，它引入Transformer到MIL框架，以捕获全局或长期的依赖关系。Transformer中的多头自注意建立了实例之间的关系，解决了MIL中实例之间相互独立的缺点。此外，引入深度监督，克服了弱监督方法中标注的局限性，更好地利用了层次信息。结肠癌数据集上的最新结果表明，与其他弱监督方法相比，该方法具有优越性。值得相信的是，我们的方法在医学图像的各种应用中有潜力。
2022-05-18 cs.CV
Closed-Loop Adaptation for Weakly-Supervised Semantic Segmentation
Huazhong University of Science and Technology（华中科技大学）；University of Florida（佛罗里达大学）
弱监督语义分割的目标是在弱监督下为每个像素分配一个语义类别，例如图像级标签。现有的大多数弱监督语义分割方法不使用来自分割输出的任何反馈，并且可以被认为是开环系统。由于种子的静态性和结构信息的敏感性，它们容易产生累积错误。本文针对现有的弱监督语义分割方法，通过引入两条反馈链，提出了一种通用的自适应机制，从而构成一个闭环系统。具体地，第一链通过合并跨图像结构信息来迭代地产生动态种子，而第二链通过定制的随机游走过程来进一步扩展种子区域，以协调由超像素表征的内部图像结构信息。在PASCAL VOC 2012上的实验表明，我们的网络比最先进的方法性能更好，计算和内存负担更少。
2019-05-29 cs.CV
Discriminative Localization in CNNs for Weakly-Supervised Segmentation of Pulmonary Nodules
Columbia University（哥伦比亚大学）；Imperial College（帝国理工学院）
在肺部计算机断层扫描（CT）扫描上自动检测和分割肺结节可以促进早期肺癌诊断。用于CT扫描上的自动结节分割的现有监督方法需要用于训练的基于体素的注释，这是耗费人力和时间的。在这项工作中，我们提出了一种弱监督方法，该方法仅使用图像级标签进行训练，生成准确的体素级结节分割。通过调整为图像分类训练的卷积神经网络（CNN），我们所提出的方法从不同尺度的卷积单元的激活图中学习有区别的区域，并使用新的候选筛选框架来识别真正的结节位置。在公共LIDC-IDRI数据集上的实验结果表明，与基于CNN的全监督分割方法相比，我们的弱监督结节分割框架具有竞争力的性能。
2018-02-22 cs.CV
Self-Transfer Learning for Fully Weakly Supervised Object Localization
Lunit Inc.（Lunit公司）
深度学习的最新进展在各种具有挑战性的计算机视觉任务中取得了显着的表现。特别是在对象定位方面，深度卷积神经网络优于基于提取数据/任务驱动特征而不是手工特征的传统方法。虽然感兴趣区域（ROI）的位置信息为对象定位提供了良好的先验，但它需要大量的人力资源注释工作。因此，一个弱监督框架的目标定位。术语“弱”意味着该框架仅使用图像级标记的数据集来训练网络。在采用预训练网络的权值参数的迁移学习的帮助下，用于目标定位的弱监督学习框架表现良好，因为预训练网络已经具有良好训练的类特定特征。然而，这些方法不能用于没有预先训练的网络或良好局部化的大规模图像的一些应用。医学图像分析是这些应用中的代表，因为不可能获得这样的预训练网络。在这项工作中，我们提出了一个“完全”弱监督框架的对象定位（“半”-弱是对应的使用预训练的过滤器弱监督定位）命名为自迁移学习（STL）。它同时优化分类和定位网络。通过控制定位网络的监督级别，STL帮助定位网络在没有任何类型的先验的情况下聚焦于正确的ROI。我们使用两个医学图像数据集，胸部X光片和乳房X光片评估拟议的STL框架，并实现显着更好的定位性能相比，以前的弱监督方法。
2016-02-04 cs.CV
Self-Supervised Difference Detection for Weakly-Supervised Semantic Segmentation
Artificial Intelligence eXploration Research Center, The University of Electro Communications（电气通信大学人工智能探索研究中心）
为了最小化与语义分割模型训练相关的标注成本，研究人员广泛研究了弱监督分割方法。在目前的弱监督分割方法中，最广泛采用的方法是基于可视化的。然而，可视化结果并不等于语义分割。因此，为了在弱监督条件下执行精确的语义分割，需要考虑将可视化结果转换为语义分割的映射函数。对于这样的映射函数，通常使用条件随机场和使用分割模型的输出的迭代再训练。然而，这些方法并不总是保证精度的提高;因此，如果我们多次迭代地应用这些映射函数，最终精度不会提高或会降低。为了充分利用这类映射函数，本文假设映射函数的结果中含有噪声，通过去除噪声来提高精度。为了实现我们的目标，我们提出了自我监督的差异检测模块，它通过预测映射前后的分割掩模之间的差异来估计映射函数结果中的噪声。通过在PASCAL Visual Object Classes 2012数据集上的实验，验证了该方法的有效性，在val集和测试集上分别达到了64.9%和65.5%。这两个结果在弱监督语义分割的相同设置下成为新的最先进的。
2019-11-12 cs.CV
Weakly Supervised Multi-Object Tracking and Segmentation
Computer Vision Center, UAB（巴塞罗那自治大学计算机视觉中心）；Facebook（脸书）
本文提出了弱监督多目标跟踪与分割问题，即联合弱监督实例分割和多目标跟踪，其中不提供任何类型的模板标注。为了解决这个问题，我们设计了一种新的协同训练策略，利用多任务学习，即分类和跟踪任务指导训练的无监督实例分割。为此，我们提取Grad-CAM热图提供的弱前景定位信息，以生成部分地面实况以供学习。此外，RGB图像级信息被用来细化对象边缘处的掩模预测。我们在KITTI MOTS上评估了我们的方法，这是这项任务最具代表性的基准，将完全监督和弱监督方法之间的MOTSP指标的性能差距分别缩小到12%和12.7%。
2021-01-03 cs.CV
Weakly Supervised Instance Segmentation by Deep Community Learning
Seoul National University（首尔大学）；ETRI（韩国电子通信研究院）
提出了一种基于多任务深度社区学习的弱监督实例分割算法。该任务被制定为弱监督目标检测和语义分割的组合，其中同一类的单个对象被分别识别和分割。我们通过设计一个统一的深度神经网络架构来解决这个问题，该架构具有正反馈的目标检测循环，包括限界框回归、实例掩码生成、实例分割和特征提取。网络的每个组件都与其他组件进行积极的交互以提高准确性，我们模型的端到端可训练性使我们的结果更加强大和可重复。所提出的算法在弱监督设置中实现了最先进的性能，而无需在标准基准数据集上进行任何额外的训练，例如Fast R-CNN和Mask R-CNN。我们的算法的实现可在项目网页上获得：https://cv.snu.ac.kr/research/WSIS_CL。
2020-11-18 cs.CV
Reinforcing Local Feature Representation for Weakly-Supervised Dense Crowd Counting
由于大量的注释，完全监督的人群计数是一项艰巨的任务。很少有作品专注于每周监督的人群计数，其中只有全球人群数量可用于训练。每周监督人群计数的主要挑战是缺乏当地监督信息。为了解决这个问题，我们提出了一个自适应特征相似性学习（SFSL）网络和全局-局部一致性（GLC）损失，以加强局部特征表示。我们引入了一个特征向量，它代表了无偏特征估计的人。该网络自适应地更新特征向量，并利用特征相似性对人群数量进行回归。此外，所提出的GLC损失利用了来自全球和局部区域的网络估计之间的一致性。实验结果表明，我们提出的方法基于不同的骨干缩小了弱监督和全监督密集人群计数之间的差距。
2022-02-22 cs.CV
Weakly Supervised Scene Text Generation for Low-resource Languages
East China Normal University（华东师范大学）；University of Malaya（马来亚大学）；iFLYTEK Research（科大讯飞研究院）
针对低资源语言场景文本生成依赖大量配对数据的问题，提出一种弱监督方法，利用少量识别级标签解耦内容与风格特征，通过跨语言生成提升场景文本识别准确率。
2023-06-27 cs.CV
Exploring Scene Affinity for Semi-Supervised LiDAR Semantic Segmentation
School of Computer Science, Wuhan University（武汉大学计算机学院）；School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）；School of Computer Science and Technology, Hainan University（海南大学计算机科学与技术学院）；School of Electronic Information, Wuhan University（武汉大学电子信息学院）；State Key Lab. of LIESMARS, Wuhan University（武汉大学LIESMARS国家重点实验室）；Institute for Math & AI, Wuhan University（武汉大学数学与人工智能研究院）
本文提出AIScene方法，通过移除无伪标签点确保场景内前后向传播一致性，并结合多场景混合增强，显著提升了半监督LiDAR语义分割性能。
2025-04-01 cs.CV
Semi- and Weakly-supervised Human Pose Estimation
Toyota Technological Institute（丰田工业大学）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）
针对静止图像中的人体姿态估计，本文提出了三种半监督和弱监督学习方案。虽然卷积神经网络的最新进展使用监督训练数据改进了人体姿势估计，但我们的重点是探索半监督和弱监督方案。我们提出的方案最初从少量带有人类姿势注释的标准训练图像中学习用于姿势估计的传统模型。对于第一种半监督学习方案，这种传统的姿态模型在没有人类注释的情况下检测训练图像中的候选姿态。从这些候选姿势中，只有真阳性被分类器使用表示所有身体部位的配置的姿势特征选择。这些候选姿势估计和真阳性姿势选择的准确性通过在我们的第二和第三学习方案中向这些图像提供动作标签来提高，所述第二和第三学习方案是半和弱监督学习。虽然第一和第二学习方案仅选择与监督训练数据中的姿态相似的姿态，但是第三方案选择与任何监督姿态显著不同的更真实肯定的姿态。该姿势选择通过使用具有Dirichlet过程混合物和贝叶斯因子的离群姿势检测的姿势聚类来实现。所提出的方案进行了验证与大规模的人体姿势数据集。
2019-06-04 cs.CV
CELNet: Evidence Localization for Pathology Images using Weakly Supervised Learning
The Hong Kong University of Science and Technology（香港科技大学）
尽管深度卷积神经网络提高了数字病理分析中图像分类和分割的性能，但它们通常在临床应用的可解释性方面较弱，或者需要大量注释来实现对象定位。为了克服这个问题，我们提出了一个弱监督学习为基础的方法，可以有效地学习本地化的歧视性证据的诊断标签从弱标记的训练数据。实验结果表明，我们所提出的方法可以可靠地查明癌症证据的位置，支持感兴趣的决定，同时仍然实现了具有竞争力的表现，在一瞥级和幻灯片级的组织病理学癌症检测任务。
2019-09-16 cs.CV
