.png){kind=icon}
返回
SSMPD: Semi-Supervised Learning for Multispectral Pedestrian Detection
.png){kind=icon}
PRE
AI
DOI：10.1109/TMM.2025.3645626.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
行人检测是计算机视觉中的一个关键任务。利用多光谱知识，尤其是，对于有效检测行人至关重要。然而，现有的多光谱行人检测方法仅在完全监督的情况下进行。尽管已开展半监督目标检测的研究，但它们仅关注单模态环境。因此，我们提出了新颖的半监督多光谱行人检测器（SSMPD），能够有效利用多光谱知识。我们的SSMPD由三种方法组成，有效解决了多光谱域中的伪标签问题，并提出了一种新颖的数据选择方法。首先，我们引入行人外观感知（PAA）权重，通过调整教师模型到学生模型的多光谱知识迁移，考虑伪标签的质量。其次，我们提出统一模态感知同时（UMAS）学习，在利用伪标签学习时，同时考虑单模态（可见光或热成像）和多光谱模态。最后，我们引入基于相似度的对比（SC）损失，指导教师模型提升伪标签的质量。此外，我们提供了多样化的数据选择，以实现更有效的半监督学习。在KAIST和LLVIP数据集上的广泛实验结果证明了我们方法的有效性。
Keyword:
Semi-supervised learning
multispectral pedestrian detection
data selection
期刊
IF:
9.7
论文数:
4.7K
被引数:
2.4W
机构
引用论文
分享收藏DPACFuse: Dual-Branch Progressive Learning for Infrared and Visible Image Fusion with Complementary Self-Attention and ConvolutionDPACFuse: 具有互补的自注意和卷积的红外和可见光图像融合的双分支渐进学习.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏
查看更多内容