弱い監視による物体注釈のためのランキングによる転移学習

既存の物体検出器のトレーニング手法のほとんどは完全監視学習に依存しており、トレーニングセットにおける物体位置の手動注釈が必要です。最近では、トレーニング画像に物体が含まれるかどうかを示す二値（弱い）ラベルに基づいて物体位置が手動で注釈されず、代わりに自動的に決定される弱い監視アプローチの開発に対する関心が高まっています。これは、各画像に多くの候補物体位置が含まれ、興味のある物体と部分的に重なるため、困難な問題です。既存のアプローチは、物体位置の注釈に対して二値ラベルを最適に活用する方法に焦点を当てています。本論文では、これを転移学習の問題として捉え、非常に異なる視点からこの問題を解決することを提案します。具体的には、補助データセットからターゲットデータセットに完全に無関係な物体カテゴリーに対する物体位置の自動注釈のためのモデルを効果的に転送する新しいランキング学習に基づく転移学習を提案します。私たちのアプローチがチャレンジングなVOCデータセットにおける物体の注釈において既存の最先端の弱い監視アプローチを上回ることを示します。