半监督目标检测中的低偏 Teacher 模型
计算机视觉与模式识别
2024-10-07 v2
摘要
我提出了低偏 Teacher 模型，这是 Unbiased Teacher 模型的一个增强版本，专为半监督目标检测任务而设计。该模型的主要创新点在于将局部化损失集成到 Teacher 模型中，这显著提高了伪标签生成的准确性。通过解决类别不平衡和边界框精度的问题，Lower Biased Teacher 模型在目标检测任务中表现出优越的性能。在多个半监督目标检测数据集上的广泛实验表明，Lower Biased Teacher 模型不仅减少了由类别不平衡导致的伪标签偏差，还减轻了来自错误边界框的错误。因此，该模型在mAP得分和更可靠的检测结果方面优于现有方法。这项研究凸显了准确伪标签生成的重要性，并为未来在半监督学习中为目标检测提供了稳健的框架。
关键词
引用
@article{arxiv.2409.19703,
title = {Applying the Lower-Biased Teacher Model in Semi-Supervised Object Detection},
author = {Shuang Wang},
journal= {arXiv preprint arXiv:2409.19703},
year = {2024}
}
备注
12pages,2 figures,2 tables, several fomulas. arXiv admin note: text overlap with arXiv:2102.09480 by other authors