面向开集半监督目标检测的协同特征-逻辑对比学习
计算机视觉与模式识别
2024-12-04 v2
摘要
当前的半监督目标检测方法通过利用大量无标签数据来提升检测器性能，其假设标注数据与无标签数据共享相同的标签空间。然而，在开集场景下，无标签数据集同时包含分布内（ID）类和分布外（OOD）类。在此类场景下应用半监督检测器会导致将 OOD 类错误分类为 ID 类。为缓解此问题，我们提出了一种简单而有效的方法，称为协同特征-逻辑检测器。具体而言，我们引入了一种使用对比损失的特征级聚类方法，以明晰特征空间中的向量边界并凸显类别差异。此外，通过优化逻辑级不确定性分类损失，模型增强了其有效区分 ID 类与 OOD 类的能力。大量实验表明，与现有方法相比，我们的方法达到了 SOTA 性能。
引用
@article{arxiv.2411.13001,
title = {Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection},
author = {Xinhao Zhong and Siyu Jiao and Yao Zhao and Yunchao Wei},
journal= {arXiv preprint arXiv:2411.13001},
year = {2024}
}