Learning arbitrary-shape object detector from bounding-box annotation by searching region-graph

شکل دلخواه استدلالی دقیق تر از محدوده جعبه برای تشخیص شی است. با این حال، یک آشکارساز شکل دلخواه معمولا نیاز به حاشیه نویسی انسان در سطح پیکسل دارد که بسیار گران است و برای هر برنامه دنیای واقعی بسیار گران است. از طرف دیگر، محدود کردن جعبه بسیار ساده تر از تقسیم پیکسل در علامت انسانی است. در این مقاله هدف ما تحقق تشخیص شکل دلخواه از حاشیه نویسی انسان محدود است. برای این منظور، ما پیشنهاد موقعیت مثبت را می دهیم، که اطلاعاتی از حاشیه نویسی حاشیه ی جعبه را به منظور بدست آوردن حاشیه نویسی منطقه بدست می آورد. علاوه بر این، ما دو روش مبتنی بر گراف را برای تعریف موقعیت مثبت ارائه می دهیم که باعث می شود که مدل دقیق تر از حاشیه نویسی ساده تر آموزش دیده شود. نتایج تجربی عملکرد روش ما را تایید می کند.