国产肉体XXXX裸体137大胆,国产成人久久精品流白浆,国产乱子伦视频在线观看,无码中文字幕免费一区二区三区 国产成人手机在线-午夜国产精品无套-swag国产精品-国产毛片久久国产

博客專欄

EEPW首頁 > 博客 > CVPR2023高質(zhì)量論文 | Consistent-Teacher:半監(jiān)督目標檢測超強SOTA

CVPR2023高質(zhì)量論文 | Consistent-Teacher:半監(jiān)督目標檢測超強SOTA

發(fā)布人:CV研究院 時間:2023-06-09 來源:工程師 發(fā)布文章
《Consistent-Teacher: Towards Reducing Inconsistent Pseudo-targets in Semi-supervised Object Detection》是一篇關(guān)于半監(jiān)督目標檢測的論文。該論文提出了一種新的方法,稱為“Consistent-Teacher”,用于減少偽目標(pseudo-targets),這些偽目標是由于標簽的不一致性而引入到訓練中的錯誤對象。


一、總概述

在本研究中,研究者深入研究了半監(jiān)督目標檢測(SSOD)中偽目標的不一致性。核心觀察結(jié)果是,振蕩的偽目標破壞了精確的半監(jiān)督檢測器的訓練。它不僅給學生的訓練注入了噪聲,而且導致了分類任務(wù)的嚴重過擬合。因此,研究者提出了一個系統(tǒng)的解決方案,稱為一致教師,以減少不一致。首先,自適應(yīng)錨分配(ASA)取代了基于靜態(tài)IoU的策略,使學生網(wǎng)絡(luò)能夠抵抗噪聲偽邊界盒;然后,通過設(shè)計三維特征對齊模塊(FAM-3D)來校準子任務(wù)預(yù)測。它允許每個分類特征在任意尺度和位置自適應(yīng)地查詢回歸任務(wù)的最優(yōu)特征向量。最后,高斯混合模型(GMM)動態(tài)地修正了偽框的得分閾值,從而穩(wěn)定了基本事實的數(shù)量

圖片


二、動機

在這項研究中,研究者指出,半監(jiān)督檢測器的性能仍然在很大程度上受到偽目標不一致性的阻礙。不一致意味著偽框可能非常不準確,并且在訓練的不同階段變化很大。因此,不一致的振蕩邊界盒(bbox)會使SSOD預(yù)測產(chǎn)生累積誤差。與半監(jiān)督分類不同,SSOD有一個額外的步驟,即為每個RoI/錨點分配一組偽框作為密集監(jiān)督。常見的兩級和單級SSOD網(wǎng)絡(luò)采用靜態(tài)的錨分配標準,例如IoU分數(shù)或中心度。據(jù)觀察,靜態(tài)作業(yè)對教師預(yù)測的邊界框中的噪聲很敏感,因為假邊界框中一個小的擾動可能會極大地影響作業(yè)結(jié)果。因此,它導致未標記圖像上的嚴重過擬合。為了驗證這一現(xiàn)象,在MS-COCO 10%數(shù)據(jù)的基礎(chǔ)上,用基于IoU的標準分配來訓練單級探測器。如下圖所示,教師輸出的微小變化導致偽框邊界中的強噪聲,導致在基于IoU的靜態(tài)分配下,錯誤目標與附近對象相關(guān)聯(lián)。這是因為一些未激活的主播在學生網(wǎng)絡(luò)中被錯誤地分配為陽性。因此,網(wǎng)絡(luò)會過擬合,因為它會為相鄰對象生成不一致的標簽。在未標記圖像的分類損失曲線中也觀察到過擬合。不一致是指偽框可能高度不準確,并且在不同的訓練階段差異很大。

圖片

Motivation: Inconsisteny For SSOD

(左)比較“Mean-Teacher ”和“Consistent-Teacher”的訓練損失。在Mean-Teacher中,不一致的偽目標導致分類分支上的過擬合,而回歸損失變得難以收斂。相反,新提出的方法為學生設(shè)定了一致的優(yōu)化目標,有效地平衡了這兩項任務(wù)并防止了過度擬合。

(右)偽標簽和分配動態(tài)的快照。綠色和紅色的框指的是北極熊的真值和偽值。紅點是為偽標簽指定的定位框。熱圖表示教師預(yù)測的密集置信度分數(shù)(越亮越大)。附近的木板最終在基線中被錯誤地歸類為北極熊,而提出的自適應(yīng)分配防止了過度擬合。


三、實驗及結(jié)果

研究者的工作解決了SSOD的不一致問題。以下是訓練過程中不同時間步長的一些樣本檢測結(jié)果:Red: False Positive; Blue: True Postive; Green: Ground-truth

圖片

Mean-Teacher

圖片

Consistent-Teacher

圖片

Mean-Teacher

圖片

Consistent-Teacher

圖片


*博客內(nèi)容為網(wǎng)友個人發(fā)布,僅代表博主個人觀點,如有侵權(quán)請聯(lián)系工作人員刪除。



關(guān)鍵詞: AI

相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉