BriefGPT - AI 论文速递
·
双视角知识增强的半监督三维物体检测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的Pseudo-Labeling半监督三维目标检测框架，通过引入STE和CBV模块提高了教师模型的性能，同时提出了BCL软监督信号来减小错误样本对训练的负面影响。实验证明，在ONCE和Waymo数据集上，该方法显著提高了基线，同时在Waymo数据集上，只使用了一半的注释即可超过完全注释的oracle模型。
🎯
关键要点
-
提出了一种新的Pseudo-Labeling半监督三维目标检测框架。
-
引入STE和CBV模块以提高教师模型的性能。
-
提出BCL软监督信号以减小错误样本对训练的负面影响。
-
在ONCE和Waymo数据集上，方法显著提高了基线。
-
在Waymo数据集上，仅使用一半的注释即可超过完全注释的oracle模型。
🏷️
标签
➡️
