.png){kind=icon}
返回
CrossRectify: Leveraging disagreement for semi-supervised object detection
.png){kind=icon}
OA
AI
DOI：10.1016/j.patcog.2022.109280.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
半监督目标检测最近取得了实质性进展。作为一种主流解决方案，基于自标记的方法在标记数据和未标记数据上训练检测器，其伪标记由检测器自身预测，但其性能总是有限的。通过实验分析，我们揭示了潜在的原因是检测器被自身预测的错误伪标签 (称为自错误) 误导。这些自我错误可能会比随机错误更严重地损害性能，并且在自我标记过程中既不能被辨别也不能被纠正。在本文中，我们提出了一种有效的检测框架crossrecitify，通过同时训练两个具有不同初始参数的检测器来获得准确的伪标签。具体而言，所提出的方法利用检测器之间的分歧来辨别自错误，并通过所提出的交叉校正机制来改善伪标签质量。大量实验表明，crossretify在2D和3D检测基准上的各种检测器结构均具有出色的性能。(c) 2022 Elsevier Ltd。版权所有。
Keyword:
Object detection
Semi-supervised learning
2D Semi-supervised object detection
3D Semi-supervised object detection
Self-labeling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
查看更多机构
引用论文
STDnet-ST: Spatio-temporal ConvNet for small object detectionStdnet-st: 用于小目标检测的时空ConvNet.png)
PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Spatial context-aware network for salient object detection基于空间上下文感知网络的显著目标检测PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏CADN: A weakly supervised learning-based category-aware object detection network for surface defect detectionCADN: 一种基于弱监督学习的类别感知物体检测网络，用于表面缺陷检测PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏 没有更多内容