BriefGPT - AI 论文速递
·
遥感图像中的弱半监督目标检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了半监督领域通用目标检测（SS-DGOD）和弱监督领域通用目标检测（WS-DGOD）两种新的问题设置，利用师生学习框架在有限的标记数据和多个无标记或弱标记数据进行训练。研究结果显示，训练的目标检测器在此设置下明显优于基线检测器，并且与无监督领域自适应（UDA）设置下训练的目标检测器性能相媲美或更好，同时无需使用目标领域数据进行训练。
🎯
关键要点
-
提出了半监督领域通用目标检测（SS-DGOD）和弱监督领域通用目标检测（WS-DGOD）两种新的问题设置。
-
利用师生学习框架进行训练，使用来自一个领域的标记数据和多个领域的无标记或弱标记数据。
-
训练的目标检测器在此设置下明显优于基线检测器。
-
与无监督领域自适应（UDA）设置下训练的目标检测器性能相媲美或更好。
-
与 UDA 相比，此方法不需要使用目标领域数据进行训练。
🏷️
标签
➡️
