Dense Teacher：用于半监督目标检测的稠密伪标签
计算机视觉与模式识别
2022-07-20 v2
摘要
迄今为止，最强大的半监督目标检测器（SS-OD）基于伪框，这需要一系列带有精细调优超参数的后处理。本工作中，我们提出以稠密预测作为统一且直接的伪标签形式来替代稀疏伪框。与伪框相比，我们的稠密伪标签（DPL）不涉及任何后处理方法，从而保留了更丰富的信息。我们还引入一种区域选择技术，以突出关键信息同时抑制稠密标签所携带的噪声。我们将所提出的利用 DPL 的 SS-OD 算法命名为 Dense Teacher。在 COCO 和 VOC 上，Dense Teacher 在各种设置下相比基于伪框的方法均展现出更优性能。
引用
@article{arxiv.2207.02541,
title = {Dense Teacher: Dense Pseudo-Labels for Semi-supervised Object Detection},
author = {Hongyu Zhou and Zheng Ge and Songtao Liu and Weixin Mao and Zeming Li and Haiyan Yu and Jian Sun},
journal= {arXiv preprint arXiv:2207.02541},
year = {2022}
}
备注
ECCV2022