期刊专题

10.11896/jsjkx.230600035

基于序贯三支决策的半监督目标检测算法

引用
深度学习对大规模数据的需求以及目标检测标注任务的复杂性促进了半监督目标检测任务的发展.近年来,半监督目标检测已经取得了很多优秀的成果.然而,伪标签中的不确定性依然是半监督目标检测研究中难以避免的问题,优越的半监督方法要求选取合适的过滤阈值来权衡伪标签的噪声信息比例和召回率,以最大程度保留准确有效的伪标签.为了解决此问题,在半监督检测的框架中引入了序贯三支决策算法,将模型输出的伪标签根据不同的筛选阈值划分为干净的前景标签、有噪声的前景标签,以及干净的背景标签,并对其采取不同的处理策略.对有噪声的前景标签采用负类学习损失来学习这些存在噪声的标签,避免学习到其中的噪声信息.实验结果表明了所提算法的性能优势,针对 COCO 数据集,在有监督数据占比只有10%的情况下,该方法实现了 35.2%的检测精度,相比仅依靠有监督训练性能提升了 11.34%.

序贯三支决策、不确定性、负类学习、半监督学习、半监督目标检测

50

TP389.1(计算技术、计算机技术)

2023-10-13(万方平台首次上网日期,不代表论文的发表时间)

共6页

1-6

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

50

2023,50(10)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn