BriefGPT - AI 论文速递
·
可信的半监督开放场景物体检测教师
💡
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。该方法可以更好地估计伪标签的质量，并调整阈值和权重，解决类别不平衡和定位精度问题。实验结果表明，该方法在COCO和PASCAL VOC数据集上提升了1-2%的性能，即使只使用COCO的1-10%标记数据，也能提高10%的性能。
🎯
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的性能。
➡️
