在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。

在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。

這是 PaperDaily 的第 92 篇文章

本期推薦的論文筆記來自 PaperWeekly 社區用戶 @Cratial。本文是東京大學發表于 CVPR 2018 的工作，論文提出了基于域適應的弱監督學習策略，在源域擁有充足的實例級標注的數據，但目標域僅有少量圖像級標注的數據的情況下，盡可能準確地實現對目標域數據的物體檢測。

如果你對本文工作感興趣，點擊底部閱讀原文即可查看原論文。

關于作者：吳仕超，東北大學碩士生，研究方向為腦機接口、駕駛疲勞檢測和機器學習。

■?論文 | Cross-Domain Weakly-Supervised Object Detection through Progressive Domain Adaptation

■ 鏈接 | https://www.paperweekly.site/papers/2106

■ 源碼 | https://github.com/naoto0804/cross-domain-detection

引出主題?

雖然深度學習技術在物體檢測方面取得了巨大的成功，但目前的物體檢測技術主要面向的對象是真實場景下的圖像，而對于像水彩畫這種非真實場景下的物體檢測任務來說，一般很難獲取大量帶有標注的數據集，因此物體檢測問題就變得比較棘手。

為解決這一問題，本文提出了基于域適應的弱監督學習策略，其可以描述為：（1）選取一個帶有實例級標注的源域數據；（2）僅有圖像級標注的目標域數據；（3）目標域數據的類別是源域數據類別的全集或子集。

論文的任務就是在源域擁有充足的實例級標注的數據，但目標域僅有少量圖像級標注的數據的情況下，盡可能準確地實現對目標域數據的物體檢測。這個任務的難點主要在于目標域沒有實例級的標注，因此無法直接利用目標數據集對基于源數據集訓練的模型進行微調。

針對這一問題，作者提出了兩種解決方法：

1. 域遷移（domain transform，DT）：即利用圖像轉換技術，如CycleGAN將源域數據轉換為和目標數據相似的帶有實例級的圖像；

2. 偽標記（pseudo-labeling，PL）：利用偽標記來對目標域數據產生偽實例級標注。兩種方法如圖 1 所示：

▲?圖1

為驗證該策略的有效性，作者分別采集并手工標注了三個分別具有實例級標注的目標數據集：Clipart1k，Watercolor2k，Comic2k。

數據集及代碼見：

https://naoto0804.github.io/cross_domain_detection/

數據集描述

筆者認為這篇文章最大的貢獻之處不僅僅在于其提出的基于弱監督學習的目標檢測方法，更重要的是作者所建立的數據集，為將來這方面工作的進行提供了數據支持。

▲?圖2

在本文中，作者選取的源域數據集為 PASCAL VOC 數據集，同時作者收集并標注了 3 個目標域數據集，其示例如圖 2 所示。數據集的具體信息如表 1 所示：

▲?表1

方法

本文的方法如圖 3 所示，首先我們對源域圖像進行域遷移訓練得到域遷移圖像，然后對于基于源域數據集訓練得到的模型，再通過域遷移圖像對模型進行微調，最后再使用通過偽標記方法獲取的數據對模型進行進一步的微調。

▲?圖3

域遷移（DT）?

正如前面所提到的，本文主要解決的問題是目標域和源域分布不同的目標檢測問題，而這部分旨在通過變換將源域數據分布變換為目標域分布，本文作者使用的是 CycleGAN [1] 來實現這種變換。?

偽標記（PL）?

對于只用圖像級標注（即每個圖像上包含哪幾種類別）的目標域數據集，我們需要獲取其偽實例級標注。首先，對于目標域數據中的每一幅圖像 x ，使用基于源域訓練的模型得到輸出 d=(p,b,c) ，其中 b 是得到的 bounding box， c 是得到的類別， p 是屬于該類的概率。根據這個結果，對于圖像中所包含的每個類別，通過選取 top-1 概率的結果來作為目標圖像的 bounding box，從而來實現對目標圖像的偽標注。

實驗

為證明方法的有效性，作者分別利用 PL、DT、DT+PL 的微調方法進行了實驗，在 Clipart1k 數據集上的實驗結果如表2所示。其中，基線（Baseline）是利用 SSD300 直接在目標域圖像上進行實驗的結果，而理想情況（Ideal case）是利用帶實例級標注的目標域數據對模型進行微調的結果。此外，作者還利用基于弱監督檢測的方法 ContextLocNet [2]、WSDDN [3] 及無監督域適應的方法 ADDA [4] 來做對比實驗。

▲?表2

從表 2 可以看出，作者提出的微調策略能夠在檢測性能上有較大的提升。此外，從表 2 中可以看出經過 DT 變換的微調方法可以很大程度地提升檢測性能，而在不使用圖像級標注的 PL 數據域進行微調的方法不僅不能提高性能，而且會導致性能有所下降，所以圖像級的標簽對物體檢測是很重要的。?

此外，作者在 YOLOv2 及 Faster R-CNN 上進行了同樣的實驗，實驗結果同樣證明了該微調策略的有效性。實驗結果如表 3 所示：

▲?表3

為驗證本文方法的有效性，作者采用論文 [5] 提供的方法對檢測效果進行分析，分析結果如圖 4 所示。從圖中可以看出基于 DT 變換的微調模型能夠很好的提高物體檢測的性能，相對于 DT 來說，基于 DT+PL 的微調策略能夠進一步地提高檢測的性能，尤其是在容易將物體誤分成不相似類別物體的分類任務上（Sim 將物體識別成與該物體類似但不相同的類別，Oth 將物體識別成其他不相似的類別）。這也進一步說明了為何圖像級標注可以提高物體檢測的性能。

▲?圖4

此外，作者還對另外兩個數據集進行了實驗，實驗結果分別如表 4、5 所示：

▲?表4

▲?表5

總結

在本文中，作者為將當前的物體檢測技術應用到一些非現實場景，即缺少大量實例級標注的場景，如水彩畫的目標檢測等任務，而提出了一套全新的訓練策略，并建立了一些數據集來為將來這方面的工作做鋪墊。筆者認為這項工作是非常有意義的，就人本身而言，我們不僅可以很好地分辨實際場景中的物體，同樣可以很好地檢測到一些例如動畫、水彩畫中的物體，即使有時我們很少接觸這些，而基于深度學習的物體檢測技術也應該具備這種能力。

參考文獻

[1].?J.-Y. Zhu, T. Park, P. Isola, and A. A. Efros. Unpaired image- to-image translation using cycle-consistent adversarial net- works. In ICCV, 2017.

[2].?V. Kantorov, M. Oquab, M. Cho, and I. Laptev. Context- LocNet: Context-aware deep network models for weakly supervised localization. In ECCV, 2016.

[3].?H. Bilen and A. Vedaldi. Weakly supervised deep detection networks. In CVPR, 2016.

[4].?E. Tzeng, J. Hoffman, K. Saenko, and T. Darrell. Adversarial discriminative domain adaptation. In CVPR, 2017.

[5].?D. Hoiem, Y. Chodpathumwan, and Q. Dai. Diagnosing error in object detectors. In ECCV, 2012.

本文由 AI 學術社區 PaperWeekly 精選推薦，社區目前已覆蓋自然語言處理、計算機視覺、人工智能、機器學習、數據挖掘和信息檢索等研究方向，點擊「閱讀原文」即刻加入社區！

點擊標題查看更多論文解讀：?

• ??ACL2018高分論文：混合高斯隱向量文法

• ??基于詞向量的簡單模型 | ACL 2018論文解讀

• ??COLING 2018最佳論文：序列標注經典模型復現

• ??當前最好的非深度遷移學習方法：流形空間下的分布對齊

• ??CVPR 2018 最佳論文解讀：探秘任務遷移學習

• ??哈佛NLP組論文解讀：基于隱變量的注意力模型

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 查看原論文

總結

以上是生活随笔為你收集整理的CVPR 2018论文解读 | 基于域适应弱监督学习的目标检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。