Valse2019笔记——弱监督视觉理解

程明明（南开大学）：面向开放环境的自适应视觉感知

（图片来自valse2019程明明老师ppt）

1. 面向识别与理解的神经网络共性技术

   • 深度神经网络通用架构 —— VggNet（ICLR’15）、ResNet（CVPR‘16）、DenseNet（CVPR’17）、DLA（CVPR‘18）、Res2Net（）富尺度空间的深度神经网络通用架构

   • 富尺度空间的深度神经网络通用架构

     网络结构：

     应用：检测任务、分类任务、分割任务

2. 通用视觉基元属性感知

   • 显著性物体检测技术

     A Simple Pooling-Based Design for Real-Time Salient Object Detection；

     Contrast Prior and Fluid Pyramid Integration for RGBD Salient Object Detection（RGBD显著性物体检测） 难点：深度图质量、多模态融合机制，利用对比度先验；

     S4Net: Single Stage Salient-Instance Segmentation（显著性Instance检测）。

   • 边缘检测技术

     Richer Convolutional Features for Edge Detection

3. 关键机器学习算法到多种行业应用

   • 面向行业开放应用场景，而非传统实验环境下的高可靠、高通用性基础算法。

   • 相关论文

     Self-Erasing Network for Integral Object Attention](http://mmcheng.net/SeeNet)（视觉注意机制与弱监督语义分割）；

     Deeply supervised salient object detection with short connections（基元属性和互联网大数据的自主学习）；

     Associating Inter-Image Salient Instances for Weakly Supervised Semantic Segmentation（面向普适应用的关键机器学习方法）；

     Sketch2Photo: Internet Image Montage（利用互联网大数据的自主学习）

4. 总结

   • 通过引入层内分层递进残差链接，实现富尺度空间的深度神经网络通用架构，并通过多任务协同求解提高鲁棒性;
   • 通过预先构建显著性物体检测、边缘提取等任务类别无关的基元属性感知能力，减少具体任务中的数据依赖，实现“举一反三”；
   • 利用互联网海量多媒体数据，减少对人工标注数据的依赖，自主地学习目标类别的识别与检测模型，实现系统智能的自主发育。

叶齐祥（中国科学院大学）：从弱监督到自学习视觉目标建模 —— weakly supervised object detection, localization, and instance segmentation

1. 引子

   • 存在问题：

     有监督的目标检测和实例分割的主要流程

     

     （图片来自valse2019叶齐祥老师ppt）

     从上图看出，数据集的制作需要对大量数据从不同方面进行标注。

   • 解决方法

     如何实现 “ 图像数据库 → 训练数据集 ”？

     • 人工标注：耗时耗力

     • 弱监督的数据标注 → 弱监督学习：高效低耗

       

2. 弱监督学习

   • 相关论文：

     CVPR18: Min-entropy Latent Model (MELM)

     PAMI2019: Recurrent Learning(MELM+RecurrentLearning)

     CVPR19: Continuation Multiple Instance Learning(CMIL)
     
     ICCV17: Soft Proposal Network(SPN)

     CVPR18:PeakResponseMapping(PRM)

     CVPR19:InstanceActivationMap(IAM)

   • 论文详解

     问题提出：隐变量学习、多实例学习

           往往无法学习到全局最优结果
     

     解决方法：

     

     如上图所示，针对无法得到全局最优问题，提出了convex regularization和continuation optimization两种方法。

     • convex regularization(Min-entropy Latent Model for Weakly Supervised object Detection CVPR2018)

     

     • continuation optimization(CMIL: Continuation Multiple Instance Learningfor Weakly Supervised object Detection CVPR2019)

     

     • Recurrent Learning(Min-entropy Latent Model for Weakly Supervised object Detection PAMI2019)

     

     • soft proposal network(Soft Proposal Network for Weakly Supervised Object Localization ICCV2017)

     

     • Peak Response Mapping(Weakly Supervised Instance Segmentation using Class Peak Response CVPR2018)

     

     • learning Instance Activation Maps(Learning Instance Activation Maps for Weakly Supervised Instance Segmentation CVPR2019)

     

   • 未来发展方向：

     • Beyond regularization and continuation optimization
     • Beyond weakly supervised detection and segmentation
     • Fill the gap of supervised and weakly supervised methods
     • Weakly supervised detection meets X (Self-learning Scene-specific Pedestrian Detectors using a Progressive Latent Model)
       
       X= Few-shot Active Learning | Online Feedback | Temporal

魏秀参（旷视科技）：Weakly-supervised object discovery based on pre-trained deep CNNs

1. 引子

   Deep learning三驾马车

   许多可用的预训练好的深度学习模型

   深度学习模型的训练还需要大量标记的数据

2. 图像检索（Image Retrieval）

   一般图像检索流程：

   

   （图片来自valse2019魏秀参老师ppt）

   • 细粒度的图像检索（Fine-grained image retrieval）

   • 基于深度学习的图像检索（Deep learning for image retrieval）

     • Selective Constitutional Descriptor Aggregation（SCDA）

       通过对所有特征图的加权求和得到最后的响应图

     

     • Unsupervised Object Discovery and Co-Localization by Deep Descriptor Transformation（DDT）

     

黄圣君（南京航空航天大学）：Cost-Sensitive Active Learning

1. 引子

   • 一个传统的有监督学习

   

   • 有标签的数据非常重要

   

   当m越大，表示估计的模型越接近真实模型。

   • 有标签的数据非常稀少
   • 有标签的数据非常昂贵：耗时、专业知识人才、耗资

2. Active Learning —— 可以用更少的标注数据进行学习

   

   • Cost Sensitive Active Learning

     标记代价 ≠ 查询数量 （查询次数越多不代表所查的东西代价越大）

     影响标记代价因素：实例——用于视频推荐的多视角主动学习（instances ——multi-view active learning for video recommendation）

                   特征——有监督矩阵补全的主动特征获取（features——active feature acquisition with supervised matrix completion）
     
                   标签——主动查询分层多标签学习（labels——active querying for hierarchical multi-label learning）
     
                   oracles- 积极学习各种不完美的oracles（Oracles——active learning from diverse and imperfect oracles）
     

3. 影响标记代价因素详细介绍

   • instances ——multi-view active learning for video recommendation

     视频推荐：协同过滤（冷门启动问题）/基于内容的过滤（需要大量数据训练）

     多视角视频表示：视觉特征、文本特征、用户特征、标签

     motivation：在视频推荐任务中，文本特征（即评论）获取需要很大代价，视觉特征不需要人力代价。

     idea： Visual to text Mapping

     

   • features——active feature acquisition with supervised matrix completion

     问题：现实应用中往往会出现特征丢失现象，通常导致学习性能下降

     motivation： SMC——supervised matrix completion（exploit the label information / Trace-norm for low-rank assumption）

             AFA——Active Feature Acquisition（minimize the feature acquisition cost / contribute to both recovering missing entries and classification）
     

     

     idea：（这部分设计太多专业基础知识，不太明白）

     
     

   • labels——active querying for hierarchical multi-label learning

     标签有层次结构

     平衡成本和信息

   • Oracles——active learning from diverse and imperfect oracles

     不同的oracles有不同的价格

     同时选择instance和oracle

     准确而便宜的标签

4. 总结

   主动学习：用最少的标签代价训练一个高效的模型

   代价和不同的 instances/features/labels/oracles 有关系

魏云超（UIUC）：Towards Weakly Supervised Object Recognition and Scene Parsing

1. Self-Erasing Network for Integral Object Attention
2. Weakly Supervised Scene Parsing with Point-based Distance Metric Learning