在簡書上看到一篇弱監督學習的帖子，由於沒有使用簡書的習慣，因此分享下這篇帖子，感興趣的直接去參考原作者。侵刪

作者：baiyu33
連結：https://www.jianshu.com/p/7b0161975225
來源：簡書

本文收集整理弱監督學習和小目標檢測方面的資料。

[TOC]

• 弱監督學習
  • 何謂弱監督學習
  • CV中的弱監督學習
    • People
    • Approaches
• 小目標檢測
  • 相關演算法

1.弱監督學習

什麼是弱監督學習

弱監督是相對強監督而言的。所謂監督簡單說就是label，那麼強弱監督的區別是從label方面來劃分的：

• 不完整監督：部分樣本label缺失。“部分”有多大？也許只有小部分樣本有label。
• 粗粒度監督：給出的label你不能說它不對，但是它不夠準確。比如image-level的label是弱的，object level的標註是強的。（個人覺得周的這個例子不夠完備，還應該包括“蘋果”和“水果”這樣的弱和強的對比）。
• 有誤的監督：給的label包含噪聲，甚至是錯誤的label，比如把“行人”標註為“汽車”。當然有時候是因為樣本質量問題，沒法標清楚。

不完整監督(incomplete supervision)
通常有兩種辦法來解決這類問題：

• 主動學習(active learning)
• 半監督學習(semi-supervised learning)

粗粒度監督
可以有一個形式化的表示。。。意思是，每個樣本是一個包（“bag”），只要包中含有正樣本，label就為1，否則label為-1。任務的目的就是，給定沒有見過的包，來判斷包中是否有正樣本。

所以又叫做“多例項學習”（multi-instance learning）
（個人覺得，多例項學習MIL最多算是細粒度學習的一種特例。“蘋果”標註為“水果”這樣的標註，不算是MIL，但我認為也是粗粒度監督，當然劃分到不準確監督也可以。）

不準確監督
這部分沒看。不關注它。

CV中的弱監督學習

從兩方面入手：關注相關學者（包括他的group）；關注相關演算法

People/Group

魏雲超(UIUC, Postdoc)
王興剛(HUST,Assistant Professor)

Paper/Approaches

• 各種帶有“Weakly Supervised Object Detection”的標題（或摘要）的文章（在CVPR/ICCV/ECCV上找）
• 各種Multi-instance Learning (MIL) 的文章
• BoxSup/ScribbleSup, MSRA（Kaiming He, Jifeng Dai, Jian Sun） & CUHK 等
• Weakly Supervised Object Boundaries， CVPR16， 專案主頁, video
• YYZhu (NC16)

相關Slides

見微知著，弱監督和語義分割（魏雲超）

Towards Weakly- and Semi- Supervised Object Localization and Semantic Segmentation (VALSE2018)

Weakly-Supervised Semantic Segmentation Network with Deep Seeded Region Growing

2.小目標檢測

1) Adaptive Object Detection Using Adjacency and Zoom Prediction (AZ-Net)

Yongxi Lu, Tara Javidi, CVPR16 oral
paper, video, code
論文基於Faster R-CNN，針對只包含少量小目標的情況，改進anchor生成方式:

image.png

2) Efficient Object Detection for High Resolution Images

paper
ppt
比較早的文章，改進Fast R-CNN。給我的insight大概是：先downsample，以及多路處理？比較engineering的感覺。

image.png

3.Reference

[1] A brief introduction to weakly supervised learning
[2] https://zhuanlan.zhihu.com/p/34270286