半监督辅助目标检测：自训练+数据增强提升精度（附源码下载）

文章预览

点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID ｜ 计算机视觉研究院 学习群 ｜ 扫码在主页获取加入方式 源代码｜ 关注回复“ STAC ”获取 论文： https://arxiv.org/pdf/2005.04757.pdf 计算机视觉研究院专栏 Column of Computer Vision Institute 近年来， 半监督学习 （SSL）受到越来越多的关注。在当没有大规模注释数据时，SSL提供了使用unlabel data来改善模型性能的方法。 1   简要 半监督学习 (SSL) 有可能提高使用未标记数据的机器学习模型的预测性能。尽管最近取得了显着进展，但SSL的演示范围主要是图像分类任务。  在今天分享中，有研究者提出了STAC，这是一种用于视觉目标检测的简单而有效的SSL框架以及数据增强策略。STAC从未标记的图像中部署本地化目标的高度可信的伪标签，并通过数据增强提升一致性来更新模型。 2  背景 引 用《 ………………………………