Polite Teacher：基于互学习与伪标签阈值化的半监督实例分割
计算机视觉与模式识别
2022-11-09 v1 人工智能
机器学习
摘要
我们提出 Polite Teacher，一种用于半监督实例分割任务的简洁而有效的方法。所提架构依赖于教师-学生互学习框架。为滤除含噪伪标签，我们对边界框使用置信度阈值化，对掩码使用掩码打分。该方法已使用单阶段无锚框检测器 CenterMask 进行测试。在 COCO 2017 val 数据集上测试，我们的架构在不同监督机制下均显著（掩码 AP 约 +8 pp.）优于基线。据我们所知，这是首批解决半监督实例分割问题的工作之一，也是首个针对无锚框检测器的工作。
引用
@article{arxiv.2211.03850,
title = {Polite Teacher: Semi-Supervised Instance Segmentation with Mutual Learning and Pseudo-Label Thresholding},
author = {Dominik Filipiak and Andrzej Zapała and Piotr Tempczyk and Anna Fensel and Marek Cygan},
journal= {arXiv preprint arXiv:2211.03850},
year = {2022}
}