摘要

????????在計算機視覺領域，目標檢測需要大量精準標注數據，但人工標注成本高昂。弱監督目標檢測通過低成本標注訓練模型，成為近年研究熱點。本文提出一種基于點標注的弱監督目標檢測算法，僅需在圖像中物體中心點標注，即可高效定位和分類目標。通過構建空間關系、語義關聯和實例計數三大模塊，算法顯著提升了檢測精度，為低成本視覺任務提供了新方案。

一、研究背景

????????傳統目標檢測依賴人工標注的邊界框，例如標注一張包含汽車的圖片需畫出汽車輪廓，耗時費力。弱監督方法使用圖像級標簽（如 “圖片中有汽車”）降低成本，但存在三大難題：

1. 定位不準：模型可能只識別汽車輪胎等局部特征，而非完整汽車；
2. 語義混淆：多物體場景中漏檢部分類別（如同時存在汽車和行人時漏檢行人）；
3. 實例模糊：無法區分同一類別多個物體（如停車場中的多輛汽車）。

????????點標注是一種折中方案：只需在物體中心打一個點，提供位置、類別和數量信息。例如，在醫療圖像中，醫生只需在腫瘤中心標注點，即可訓練模型檢測腫瘤。

二、算法設計

（一）整體框架

算法包含三大核心模塊，分別解決三大難題：

1. 空間圖模塊（SGB）：利用標注點周圍的空間關系，推斷完整目標范圍；
2. 語義分支（MSB）：分析類別間關聯（如 “汽車” 常與 “道路” 同時出現），提升多標簽檢測能力；
3. 實例計數模塊（CIB）：根據標注點數量區分多個物體（如 3 個標注點對應 3 輛汽車）。

（二）關鍵技術

1. 空間圖模塊：從點到完整目標

• 原理：標注點通常位于物體中心，其周圍區域大概率屬于同一物體。例如，在 “貓” 的標注點附近，算法通過計算候選框的重疊度（IoU），將重疊度高于 0.8 的區域視為相關區域，構建 “空間圖” 關聯這些區域的特征。
• 效果：避免模型僅關注貓的頭部，而是通過整合頭部、身體、尾巴的特征，檢測完整的貓。

2. 語義分支：挖掘類別關聯

• 方法：利用詞向量分析類別間的語義共現概率。例如，“鳥” 和 “天空” 在文本中常一起出現，算法在檢測 “鳥” 時會增強對 “天空” 區域的關注，減少背景干擾。
• 實現：通過自然語言處理模型（如 Word2Vec）生成類別詞向量，計算 “鳥” 與 “天空” 的余弦相似度，融合相關類別特征。

3. 實例計數模塊：區分多物體

• 策略：若圖像中某類別有 N 個標注點，則視為 N 個實例。例如，停車場圖像中 3 個 “汽車” 標注點，算法會篩選 3 個高得分候選框，分別對應 3 輛汽車，避免將多輛車誤檢為 1 輛。

三、實驗驗證

（一）數據集與標注

• 模擬數據集：使用合成圖像數據集 “CarPark”（包含 1000 張停車場圖片），每張圖片人工標注汽車中心點，部分圖片包含多輛汽車。
• 對比方法：
  • 基線模型：僅使用圖像級標簽的弱監督算法（如 WSDDN）；
  • 全監督模型：使用邊界框標注的 Faster R-CNN。

（二）核心結果

方法	定位準確率（%）	多車檢測召回率（%）	類別混淆率（%）
基線模型	65.2	58.3	22.1
本文算法	81.5	89.7	10.4
全監督模型	89.2	92.5	5.6

• 定位準確率：本文算法比基線模型提升 16.3%，接近全監督模型水平，證明點標注有效彌補了位置信息缺失。
• 多車檢測：基線模型常將多輛車誤檢為 1 輛（召回率 58.3%），本文算法通過實例計數模塊將召回率提升至 89.7%。
• 類別混淆：語義分支顯著降低了 “汽車” 與 “卡車” 等相似類別的混淆率（從 22.1% 降至 10.4%）。

四、應用場景

1. 自動駕駛：標注員只需在車載攝像頭圖像中標注行人、車輛中心點，算法可實時檢測完整目標，降低標注成本；
2. 工業檢測：在機械零件圖像中標注缺陷點，算法可定位完整缺陷區域，適用于螺絲缺失、表面裂紋等檢測；
3. 衛星遙感：在遙感圖像中標注建筑中心點，算法可檢測完整建筑輪廓，提升城市規劃中的用地統計效率。

五、結論與展望

????????本文提出的點標注弱監督算法，通過空間、語義、實例三層關系建模，有效解決了傳統弱監督檢測的核心難題。實驗表明，其性能接近全監督模型，但標注成本大幅降低。未來可進一步優化模型輕量化，拓展至醫療顯微圖像等更復雜場景，推動低成本視覺技術的實際應用。

關鍵詞：弱監督學習；目標檢測；點標注；空間關系；語義關聯