国内泛读！title（26）：Weakly Supervised Object Localization Using Things and Stuff Transfer（利用已知物体和物质信息迁移的弱监督物体检测算法）---CVPR2017
本论文与爱丁堡大学合作完成。本论文关注弱监督的物体检测问题并利用已知物体（可数）和物质（不可数）信息迁移来提供帮助。弱监督物体检测的目标集合中的物体位置信息未知，而源集合中对应的物体和物质的信息包括位置、标记等则已知。源集合和目标集合中的物体类别有一定的相似性，比如外形相似或者拥有共同物质背景。
为了迁移利用这种相似性，本文作者从源集合中获取三种信息：一个分割模型；源集合与目标集合物体类别之间相似度；源集合中物体与物质类别之间的共生性。作者紧接着利用分割模型对目标集合图片首先做图像分割，同时利用物体物质类别之间的相似度和共生性来修正分割结果。修正后结果被嵌入到多物体检测框架中联合训练并检测目标集合中的物体。本文算法效果在公开数据集上超过其他现有弱监督物体检测算法。同时本文特别选择了目标集和源集合差别很大的物体类别进行测试，显示本文迁移算法具有很强大的泛化能力。