摘要：
网上已经有大佬进行了总结，可以参考一下：CSDN 就目前来看，大多数弱监督方法的提出动力之一就是数据标注过于昂贵，模型基于MIL，主要创新点在于结合了网络做出的不确定性预测，标准的交叉熵损失会严重惩罚错误的预测，但是论文中的方法在预测结果错误但是不确定性较高时损失也不会太大，从而减小了训练误差，使得 阅读全文
摘要：
传统异常检测的方法对阳性示例的识别，即异常视频中罕见的异常片段，在很大程度上受到优势负示例的影响，特别是当异常事件是细微的异常，与正常事件相比只有微小的差异时。为了解决这一问题，论文中引入了一种新的、理论上健全的方法，称为鲁棒时间特征幅值学习(RTFM)，RTFM是基于top-k示例MIL，其最大特 阅读全文
摘要：
本篇论文收录于ECCV2020，主要介绍了通过弱监督学习来检测时空动作，地址如下： Paper: https://arxiv.org/abs/2007.10703 以下是本人对这篇论文的大致翻译及粗浅理解，难免有不少错漏之处，敬请包涵与指正。 摘要 尽管视频分类取得了进展，但时空动作识别的进展滞后。 阅读全文