BriefGPT - AI 论文速递
·
野火检测的半监督领域自适应
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于未标注视频数据的无监督目标检测器自适应方法，通过利用现有检测器的高置信度检测结果和跟踪器获取时序提示来自动获取目标数据标签，并通过修改知识蒸馏损失函数和软标签的分配方法进行重新训练。实验结果表明该方法有效地利用了追踪获取的困难样本，使用蒸馏损失函数的软标签优于硬标签，是一种简单且不依赖超参数的无监督目标检测器自适应方法。
🎯
关键要点
- 提出了一种基于未标注视频数据的无监督目标检测器自适应方法。
- 该方法利用现有检测器的高置信度检测结果和跟踪器获取时序提示来自动获取目标数据标签。
- 通过修改知识蒸馏损失函数和软标签的分配方法进行重新训练。
- 实验结果表明该方法有效利用了追踪获取的困难样本。
- 使用蒸馏损失函数的软标签优于硬标签。
- 该方法简单且不依赖超参数，是一种有效的无监督目标检测器自适应方法。
➡️
