基于CAM的弱监督定位方法主要通过多样的空间正则提高目标响应区域,忽略了模型中隐含的目标结构信息。我们提出了基于高阶相似性的目标定位方法 (SPA),充分挖掘了模型隐含的目标结构信息,显著提高了弱监督目标定位准确度。

成为VIP会员查看完整内容
16

相关内容

专知会员服务
39+阅读 · 2021年5月16日
专知会员服务
21+阅读 · 2021年5月1日
【CVPR2021】通道注意力的高效移动网络设计
专知会员服务
20+阅读 · 2021年4月27日
专知会员服务
63+阅读 · 2021年3月12日
专知会员服务
23+阅读 · 2021年3月9日
ICCV 2019 | 精确的端到端的弱监督目标检测网络
AI科技评论
11+阅读 · 2019年12月9日
结合弱监督信息的凸聚类
计算机研究与发展
6+阅读 · 2017年8月30日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
S4Net: Single Stage Salient-Instance Segmentation
Arxiv
10+阅读 · 2019年4月10日
Interpretable Active Learning
Arxiv
3+阅读 · 2018年6月24日
VIP会员
相关VIP内容
专知会员服务
39+阅读 · 2021年5月16日
专知会员服务
21+阅读 · 2021年5月1日
【CVPR2021】通道注意力的高效移动网络设计
专知会员服务
20+阅读 · 2021年4月27日
专知会员服务
63+阅读 · 2021年3月12日
专知会员服务
23+阅读 · 2021年3月9日
相关资讯
相关论文
微信扫码咨询专知VIP会员