基于弱监督学习的目标检测研究进展

• 作者: 杨辉 权冀川 梁新宇 王中伟
• 来源期刊: 计算机工程与应用
• 关键词: 弱监督学习 目标检测 多示例学习 类激活图 注意力机制 伪标签
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 热点与综述|Research Hotspots and Reviews
• 页码范围: 40-49
• 页数: 10页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2103-0306

摘要

随着卷积神经网络(Convolutional Neural Network,CNN)的不断发展,目标检测作为计算机视觉中最基本的技术,已取得了令人瞩目的进展.介绍了强监督目标检测算法对数据集标注精度要求高的现状.对基于弱监督学习的目标检测算法进行研究,按照不同的特征处理方法将该算法归为四类,并分析比较了各类算法的优缺点.通过实验比较了各类基于弱监督学习的目标检测算法的检测精度,并将其与主流的强监督目标检测算法进行了比较.展望了基于弱监督学习的目标检测算法未来的研究热点.