摘要
目标检测是计算机视觉领域的基础任务和问题，具有广泛的机器视觉应用，也是人工智能研究热点。当前基于深度卷积神经网络的目标检测技术依赖于大规模、高质量的人工标注数据。然而在视觉大数据上创建目标检测任务的标注既昂贵又耗时。围绕这一核心问题，本论文将面向大规模视觉感知与海量多媒体计算等应用的紧迫需求，展开了针对弱监督情况下的目标检测问题的理论研究和技术攻关。由于模型学习过程中监督信息的不充分，现存的弱监督目标检测方法通常存在许多缺陷和问题。本论文针对弱监督目标检测进行了大量的调研与研究，抽象出三个层层递进的核心科学问题，包括非凸优化、框架局限性、实用性问题，并且创新性地提出了对应的解决方案。具体而言，本论文循序渐进展开以下八个主要工作: (1)提出一种基于特定物体像素梯度的弱监督目标检测算法，目的是利用梯度信息直接定位目标物体，避免了传统方法中学习隐变量而带来的非凸优化问题。 (2)提出一种基于循环指导的弱监督联合检测和分割算法，挖掘物体全局梯度信息，并与候选区域的局部信息相结合，帮助模型跳出非凸优化的局部最小值。 (3)提出一种基于生成对抗学习的快速弱监督目标检测框架，通过生成对抗学习分离模型的训练和推理过程，最终实现可以快速推理的弱监督目标检测框架。 (4)提出一种统一框架的弱监督目标检测算法，进一步构建独立自包、端到端的模型训练和推理框架，同时达到类似全监督方法的高容量通用弱监督检测模型。 (5)提出一种基于深度残差网络的弱监督目标检测框架，分析了传统框架无法有效利用残差学习的根源，并设计一系列原则来构建进行深度残差学习的框架。 (6)提出一种噪声可知的全互联网监督的目标检测算法，通过提高抗噪的鲁棒能力，来进一步降低对人工标注数据需求，大大增强弱监督目标检测的实用性。 (7)提出一种平行的检测分割学习算法，将弱监督目标检测应用到弱监督实例分割任务上，展示了基于弱监督目标检测的方法可以取得优异的实例分割结果。 (8)提出一种联合物体和物质挖掘的弱监督全景分割，在前面的工作基础上，进一步探索协同弱监督目标检测和多种弱监督图像分割任务的场景理解视觉任务。 综上所述，本论文针对弱监督目标检测开展了一系列的研究与创新。大量实验结果和理论分析表明，本论文提出的方法可以提升对应检测和分割任务的性能。
NETL