#736
summarized by : 福沢栄治
Noise-Aware Fully Webly Supervised Object Detection

どんな論文か?

完全にWebで監視されたオブジェクト検出と呼ばれるこのようなタスクは、Web上の画像レベルのラベルが常にノイズが多く、学習した検出器のパフォーマンスが低下するため、非常に困難です。この論文では、Webで監視された検出器を共同で学習し、ノイズの多いラベルの悪影響を軽減するためのエンドツーエンドのフレームワークを提案しました。
placeholder

新規性

完全にWebで監視された検出器を学習し、ノイズを分解してクリーンなデータをモデリングすることにより、ノイズの多いラベルの悪影響を軽減する、エンドツーエンドのフレームワークで監視が弱い検出が組み込まれた残差学習構造を提案した。更に、空間に敏感なエントロピー基準とバギングミックスアップ学習が組み合わせて、誤ったラベルからのフォアグラウンドノイズの影響をそれぞれ抑制しました。

結果

各カテゴリに約4,000枚の画像があるWebデータのみでトレーニングされたモデルは、人気のあるベンチマーク、つまりPASCAL VOCとMS COCOで最先端の方法より精度を大幅に改善しています。

その他(なぜ通ったか?等)