面向开放场景半监督目标检测的可信教师

半监督目标检测（SSOD）通过利用未标记数据来提高检测性能，取得了巨大的成功。然而，在开放场景半监督目标检测（O-SSOD）中，未标记数据可能包含未在标记数据中观察到的未知物体，这将增加模型对已知物体预测的不确定性。这对于主要依赖自训练的现有方法是不利的，因为更多的不确定性会导致伪标签的定位和分类精度降低。为此，我们提出了一个端到端框架——可信教师。可信教师采用带有柔性标签的交互式教学机制，防止不确定的伪标签误导模型，并通过其他可信伪标签的引导逐渐降低其不确定性。实证结果表明，我们的方法有效抑制了 O-SSOD 造成的不利影响，并显著优于现有方法。