基于负面确定性信息的多重实例学习用于弱监督目标检测与分割
Negative Deterministic Information-Based Multiple Instance Learning for Weakly Supervised Object Detection and Segmentation 背景介绍 在过去的十年中,计算机视觉领域取得了显著进展,特别是在对象检测(Object Detection)和语义分割(Semantic Segmentation)方面。然而,大多数设计的算法和模型都严重依赖于精确的标注数据,这在实际应用中耗费大量人力和时间。弱监督学习(Weakly Supervised Learning,WSL)因其仅需粗粒度的标注数据(如图像级标注)解决了这一问题。在此背景下,弱监督对象检测(Weakly Supervised...