无偏教师 v2：面向无锚框与基于锚框检测器的半监督目标检测

随着半监督目标检测（SS-OD）技术的最新发展，目标检测器可以通过使用有限数量的标注数据和大量未标注数据得到改进。然而，仍有两个挑战未被解决：（1）此前没有针对无锚框检测器的 SS-OD 工作，（2）先前的工作在对边界框回归进行伪标注时效果不佳。在本文中，我们提出了无偏教师 v2，它展示了 SS-OD 方法对无锚框检测器的泛化能力，并为无监督回归损失引入了 Listen2Student 机制。具体来说，我们首先进行了一项研究，检验了现有 SS-OD 方法在无锚框检测器上的有效性，发现它们在半监督设置下实现的性能提升要低得多。我们还观察到，无锚框检测器中使用的基于中心度的框选择和基于定位的标注在半监督设置下无法很好地工作。另一方面，我们的 Listen2Student 机制明确防止了在边界框回归训练中产生误导性的伪标签；我们特别开发了一种基于教师和学生相对不确定性的新型伪标签选择机制。这一思想有助于在半监督设置下显著改进回归分支。我们的方法同时适用于无锚框和基于锚框的方法，在 VOC、COCO-standard 和 COCO-additional 数据集上，始终优于最先进的方法。