Learning Efficient and Adaptive Cross-Channel Dependencies for Weakly-Supervised Object Detection
Notice bibliographique
Résumé
Recent progress in weakly-supervised object detection (WSOD) is featured by a combination of multiple instance detection networks (MIDN) and ordinal online refinement. However, since most WSOD methods only use image-level annotations, the serial stacking of convolutional blocks in MIDN cannot effectively model multi-channel information, often emphasizing only the most prominent parts of the target while ignoring the entire objects, thus affecting detection performance. In this paper, we investigate how to effectively use multi-channel data to improve the model's ability to detect long-range dependencies, introducing CC-DETR (Cross-Channel DETR), a new weakly-supervised object detection framework. Specifically, we propose Cross-Channel Adaptive Convolution (CCAC), a module that captures different spatial features at multiple scales, increases the receptive field, and adaptively weights each important feature to guide the model to focus on long-term dependencies. Moreover, we designed a new attention mechanism called Dual-Stream Self-Attention (DSSA). This mechanism uses convolutions with adaptive sizes to capture multi-scale information, preserving long-range dependencies while supporting local feature responses, enhancing the model's ability to capture long-range dependencies. Extensive experiments demonstrate that our proposed method outperforms the current end-to-end state of the art (+2.3% mAP in VOC, +2.3% AP$_{50}$in COCO). Moreover, our method can be easily integrated into various DETR and ViT models with minimal modifications. The code will be available athttps://github.com/cpy0029/CC-DETR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».