MUM：混合图像块与解混特征块用于半监督目标检测
计算机视觉与模式识别
2022-03-16 v2
摘要
许多近期的半监督学习（SSL）研究构建教师-学生架构，并利用教师生成的监督信号训练学生网络。数据增强策略在 SSL 框架中起着重要作用，因为要在不丢失标签信息的前提下创建弱-强增强输入对并非易事。尤其当将 SSL 扩展至半监督目标检测（SSOD）时，许多与图像几何和插值正则化相关的强增强方法难以使用，因为它们可能破坏目标检测任务中边界框的位置信息。为此，我们引入一种简单而有效的数据增强方法 Mix/UnMix（MUM），该方法针对 SSOD 框架中对混合图像块进行特征块解混。我们所提方法制造混合输入图像块并在特征空间中重构它们。因此，MUM 可享有来自非插值伪标签的插值正则化效果，并成功生成有意义的弱-强对。此外，MUM 可便捷地搭载于多种 SSOD 方法之上。在 MS-COCO 与 PASCAL VOC 数据集上的大量实验表明，MUM 在所有被测 SSOD 基准协议上均能持续提升基线 mAP 性能，具有优越性。
引用
@article{arxiv.2111.10958,
title = {MUM : Mix Image Tiles and UnMix Feature Tiles for Semi-Supervised Object Detection},
author = {JongMok Kim and Jooyoung Jang and Seunghyeon Seo and Jisoo Jeong and Jongkeun Na and Nojun Kwak},
journal= {arXiv preprint arXiv:2111.10958},
year = {2022}
}
备注
Accept to CVPR2022