基于插值的半监督目标检测方法
计算机视觉与模式识别
2021-01-01 v2
摘要
尽管目标检测任务的数据标注成本远高于分类任务，面向目标检测的半监督学习方法却鲜有研究。本文提出一种基于插值的半监督目标检测（ISD）方法，考量并解决了将常规插值正则化（IR）直接用于目标检测所引发的问题。我们依据IR中相混合两原始块的目标性分数，将模型输出分为两类，继而以无监督方式对每类施加适宜的分立损失。所提损失显著提升了半监督与有监督学习的性能。在有监督设定下，我们的方法大幅改进基线方法；在半监督设定下，我们的算法在基准架构（SSD）上的基准数据集（PASCAL VOC与MSCOCO）中改善了性能。
引用
@article{arxiv.2006.02158,
title = {Interpolation-based semi-supervised learning for object detection},
author = {Jisoo Jeong and Vikas Verma and Minsung Hyun and Juho Kannala and Nojun Kwak},
journal= {arXiv preprint arXiv:2006.02158},
year = {2021}
}