学习图像的良好特征嵌入通常需要大量的训练数据。 因此，在训练数据有限的环境中（例如，少样本法和零样本法学习）， […]
只是arxiv上的文章 摘要：近年来，完全监督的对象检测取得了巨大的成功。 但是，需要大量的边界框注释来训练新 […]
摘要：弱监督对象定位（WSOL）技术仅使用图像级标签来学习对象位置，而没有位置注释。 这些技术的一个共同限制是 […]
摘要：弱监督对象检测旨在根据给定的图像类别标签学习精确的对象检测器。 在最近流行的作品中，通常将这个问题表述为 […]
摘要: 监督不足的对象检测旨在减少训练检测模型所需的监督量。传统上，此类模型是从仅标有对象类而不是对象边界框的 […]
摘要：弱监督目标检测（WSOD）受到越来越多的关注，其中仅对检测器进行图像级注释训练。 作为获得性能良好的检测 […]
摘要: 弱监督目标定位（WSOL）旨在仅使用图像级标签来定位目标。 先前的方法经常尝试利用特征图和分类权重来间 […]
摘要：弱监督的目标检测在识别中非常重要。 基于深度学习，弱监督的检测器已经取得了许多有希望的结果。 但是，与完 […]
摘要： 先前主要著作将区域提议机制与卷积神经网络（CNN）集成在一起。 尽管CNN擅长提取判别性局部特征，但要 […]