注释不完整的多数据集检测
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在检测任务中使用多个部分注释数据集时面临的注释不完整和特征异质性的问题。提出了一种新颖的“注释不完整多数据集检测”问题,并构建了一个端到端的多任务学习架构,能够准确检测各种对象类别。实验结果表明,在COCO和VOC数据集上分别提升了2.17%和2.10%的平均精度(mAP),展示了该方法的有效性。
本研究解决了使用多个部分注释数据集时的注释不完整和特征异质性问题。提出了注释不完整多数据集检测问题,并构建了一个多任务学习架构,能够准确检测各种对象类别。实验结果表明,该方法在COCO和VOC数据集上分别提升了2.17%和2.10%的平均精度(mAP),展示了其有效性。