BriefGPT - AI 论文速递
·
目标检测的半监督和弱监督域泛化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文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，利用师生学习框架在多个领域的无标记或弱标记数据进行训练。研究表明，在此设置下训练的目标检测器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，同时不需要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。
- 在此设置下训练的目标检测器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，不需要使用目标领域数据进行训练。
➡️
