Metrics，验证3个指标：知道GT类别的定位准确率(GT-known Loc)，当预测与GT的$IOU > 50%$时正确；Top-1定位准确率(Top-1 Loc)，Top-1的分类正确且GT-known Loc正确；Top-5定位准确率(Top-5 Loc)，Top-5结果中存在分类正确且GT-known Loc正确
Base Models，有VGG16/Inception V3/ResNet50/DenseNet161，没有增大图片输入，一些WSOL方法要用到类别信息的权重(单层全连接)来生成heatmap，而PSOL不用。为了公平起见，增加VGG-GAP，将所有全连接层换成单层全连接，而对于回归模型，仍然使用双层全连接层加对应的ReLU
Joint and Separate Optimization，对于联合优化模型(-Joint)，在原来的基础上加入bbox回归分枝，然后同时训练模型的分类和定位。对于独立优化模型(-Sep)，单独训练两个模型
Results and Analyses Ablation Studies on How to Generate Pseudo Bounding Boxes
在验证集上对比了不同算法生成伪GT框的准确率，DDT-VGG16性能最优
Comparison with State-of-the-art Methods
与SOTA对比并可视化结果后发现：
DDT本身就已经比WSOL方法要好，说明类不可知是有用的，WSOL应该分为两个独立的模型
所有PSOL方法分开训练都比联合训练要好，说明定位和分类学习到的内容不一样
POSL在CUB-200上都具有较大的优势，由于类别相似度较大，类别标签不一定能帮助定位，反而协同定位的DDT更占优
CNN有能力去处理有噪声的数据并且得到更高的准确率，PSOL模型的GT-Known Loc基本都比DDT-VGG16高
WSOL里的一些约束没有带到PSOL中，例如只允许单层全连接层以及更大的输出特征图，去掉常见的三层全连接层会影响准确率，VGG-Full比VGG-GAP要好。还有WSOL方法在复杂的网络上效果不好，如DenseNet，主要由于DenseNet使用多层进行分类，不仅仅是最后一层，最后一层的语义不如VGG等明确，而PSOL-DenseNet则避免了这个问题，达到最高准确率
Transfer Ability on Localization
PSOL不需要任何监督信息就很好的从ImageNet迁移到CUB-200，甚至比fine-tune的WSOL方法都好，证明目标定位与类别关联是没必要的
Combining with State-of-the-art Classification
将分类部分的网络改为SOTA分类网络结合进行实验，PSOL性能依然比WSOL要好
Comparison with fully supervised methods
对比监督方法，这里论文的描述不是很清楚，表中有监督的分类网络应该都是使用WSOL方法+定位LOSS。从结果来看，从ILSVRC直接迁移过来的Faster-RCNN-ensemble精度最高，region proposal网络不需要fine-tuning就具有更好的处理不同类别的通用能力，说明定位与分类是分开的
CONCLUSION论文提出伪监督目标定位方法(PSOL)来解决目前弱监督目标定位方法存在的问题，该方法将定位与分类分开成两个独立的网络，然后在训练集上使用Deep descriptor transformation(DDT)生成伪GT进行训练，整体效果达到SOTA，论文化繁为简，值得学习
如果本文对你有帮助，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】