CVPR 2022 | 新标注形式！国科大提出CPL：只标一个粗点的多类别多尺度目标定位任务

最新被CVPR 2022收录的一篇论文中，提供了一种粗点优化的新思路，将多类别多尺度定位问题从精确的点标注泛化到任意的粗点标注，第一次从算法角度减轻语义差异。

基于点的目标定位（Point-based object localization，POL）任务，在低成本数据标注下追求高性能的物体感知，越来越受到关注。然而，点标注模式不可避免地会因为标注点的不一致而引入语义方差。现有的POL方法严重依赖于难以定义的精准关键点标注。

本文提出了一种使用粗点标注的 POL 方法，将监督信息从准确的关键点放松到自由标注的点。并为此提出了一种粗点细化（CPR）方法，这是第一个用算法缓解语义方差的方法。

具体来说，CPR构造点包，通过多实例学习（MIL）选出与语义相关点，并产生语义中心点。通过这种方式，CPR 定义了一个弱监督的自修正流程，实现在粗点监督下训练高性能目标定位器。COCO、DOTA和研究人员提出的SeaPerson数据集上的实验结果验证了CPR方法的有效性。

论文链接：

代码：

TinyPerson V2（SeaPerson）数据集：

（TinyPerson的扩展版本，约70万个小目标样本）

粗点标注的修正优化方法框架图。

粗点标注的修正方法图。（绿点为标注点，红点为相似语义点，黄点为语义中心点）

内容中包含的图片若涉及版权问题，请及时与我们联系删除