论文标题：Deep Learning for Weakly-Supervised Object Detection and Object Localization: A Survey

论文链接：https://arxiv.org/abs/2105.12694

作者单位：浙江大学 & 新加坡国立大学 & 浙江科技学院

本文对弱监督目标检测(WSOD)和定位(WSOL)进行全面调研，总结并分析了所有先进的技术和训练技巧，以提高检测性能，还盘点了相关数据集和评价指标！

弱监督目标检测（WSOD）和定位（WSOL），即使用图像级标签在图像中使用边界框检测多个实例和单个实例，是CV社区中长期存在且具有挑战性的任务。随着深度神经网络在目标检测中的成功应用，WSOD和WSOL都受到了前所未有的关注。在深度学习时代，已经提出了数百种WSOD和WSOL方法以及许多技术。为此，在本文中，我们认为WSOL是WSOD的子任务，并且对WSOD的最新成就进行了全面的调查。具体来说，我们首先描述WSOD的制定和设置，包括背景，挑战，基本框架。同时，我们总结并分析了所有先进的技术和训练技巧，以提高检测性能。然后，我们介绍了WSOD广泛使用的数据集和评估指标。最后，我们讨论了WSOD的未来方向。我们认为，这些摘要可以为将来对WSOD和WSOL的​​研究铺平道路。

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