BriefGPT - AI 论文速递
·
利用低置信度伪标签提炼增强无源域自适应目标检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一个Chebyshev置信度引导的无源域适应框架，通过引入去噪方法和置信度加权模块，准确评估伪标签的可靠性并生成自我改进的伪标签，提高伪标签的准确度。实验证实了该框架的有效性。
🎯
关键要点
- 提出了一个Chebyshev置信度引导的无源域适应框架。
- 框架通过去噪方法和置信度加权模块提高伪标签的准确度。
- 准确评估伪标签的可靠性并生成自我改进的伪标签用于自我训练。
- 引入直接去噪和原型去噪两种置信度引导的去噪方法。
- 结合置信度加权模块的教师 - 学生联合训练方案有效防止噪声传播。
- 大量实验证实了框架的有效性，优于现有最先进的无源域适应方法。
🏷️
标签
➡️
