BriefGPT - AI 论文速递
·
稀疏化生成：通过点进行弱监督的稀疏伪标签生成
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于置信度的伪标签方法，用于半监督目标检测。实验结果表明，该方法在COCO和PASCAL VOC数据集上能提升性能1-2% AP，即使只使用COCO的1-10%标记数据，也能提高10% AP。
🎯
关键要点
- 提出了一种基于置信度的伪标签方法，用于半监督目标检测。
- 该方法能更好地估计伪标签的分类和定位质量。
- 根据估计结果调整伪标签产生的阈值和权重，缓解类别不平衡和定位精度的问题。
- 实验结果显示，在COCO和PASCAL VOC数据集上，性能提升1-2% AP。
- 即使只使用COCO的1-10%标记数据，仍能提高10% AP。
➡️
