ContextLocNet: Context-Aware Deep Network Models for Weakly Supervised Localization_context dependent network

我们通过引入两种类型的上下文感知指导模型，即加性模型和对比模型来解决这个问题，这两种模型利用它们周围的上下文区域来改进定位。
加性模型鼓励预测的对象区域得到其周围上下文区域的支持。 对比模型鼓励预测的对象区域从其周围的上下文区域中突出。

给定提取的ROI作候选区，本文提出两个基本的上下文感知模型，加性模型和对比模型，利用周围的上下文区域来改进候选区；加性模型依赖于语义一致性，它从ROI和上下文中聚合类激活；对比模型依靠语义对比来计算ROI和上下文之间类的激活

方法

1、Convolutional and ROI Pooling Layers

conv layers：VGG-F
ROI pooling与faster RCNN相同

2、Feature Pooling for Context-Aware Guidance

为了上下文定位与学习，本文扩展了ROI pooling。ROI pooling包括三个部分， ROI pooling, context pooling, and frame pooling，ROI pooling是候选框，context pooling是ROI周围的外部区域，frame pooling是内部区域ROI。注意，context pooling和frame pooling生成相同形状的特征映射，即输出的中心区域的值将为零。这三个部分经过FC 分别输出ROI featue vector，context feature vector，frame feature vector。

3、Two-Stream Network.

为了将指导模型组件与分类相结合，采用了双分支结构。在这种双流策略中，ROI的分类得分与其相应的Softmax定位得分重新加权。
分类分支将$F_{ROI}$作为输入，通过$F{C}_{cls}$输出分类分数$S\in R^{K\ast C}$，C个类别，K个ROIs。定位分支将$F_{ROI}$和$F_{context}$作为输入，通过guidance models，输出定位分数$L\in R^{K\ast C}$，之后$L$通过softmax层，得到$[\sigma (L){]}_{kc}=\frac{exp(L_{kc})}{{{\sum }_{k^{\prime }=1}}^{K}exp(L_{k^{\prime }c})}$。
将$S$与$\sigma (L)$做element-wise得到最后的分数。
对所有ROI类分数进行求和，以获得图像类分数。 在训练期间，我们使用hinge loss：

4、Additive Model

受上下文信息的启发，鼓励网络选择语义上与上下文兼容的ROI。具体地说，我们引入了两个全连接的层FCROI和FC上下文，如图4(a)所示。每个ROI的定位分数通过层的输出相加获得。

5、 Contrastive Model

对比模型鼓励网络从上下文中选择一个突出的ROI。
如图4（b）所示，注意，$F{C}_{ROI}$与$F{C}_{context}$的权重共享。