Instant-Teaching论文分享PPT

上传者: acx0000 | 上传时间: 2022-09-02 19:07:16 | 文件大小: 1.43MB | 文件类型: PPTX
基于监督学习的目标检测框架需要大量繁琐的手工标注,这在实际应用中可能不实用。半监督目标检测(Semi-supervised object detection, SSOD)可以有效地利用未标记数据来提高模型的性能,这对于目标检测模型的应用具有重要意义。在本文中,我们重新审视了SSOD,并提出了一个完整的端到端有效的SSOD框架InstantTeaching,该框架在每次训练迭代中使用扩展的弱-强数据增强即时伪标记进行教学。为了缓解确认偏差问题,提高伪标注的质量,我们进一步提出了一种基于instantteach的协同校正方案,记作instantteach∗。在MS-COCO和PASCAL VOC数据集上的大量实验证实了该框架的优越性。具体来说,当使用2%的标记数据时,我们的方法在MS-COCO上超过了最先进的方法4.2 mAP。即使有MS-COCO的完整监督信息,所提出的方法仍然比最先进的方法高出约1.0 mAP。在PASCAL VOC上,我们使用VOC07作为标记数据,VOC12作为未标记数据,可以实现5个以上的mAP改进。

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明