基于定位置信度加权的半监督目标检测算法

基于定位置信度加权的半监督目标检测算法
冯泽恒;王丰
【期刊名称】《计算机工程与应用》
【年(卷),期】2024(60)6
【摘要】为解决伪标签筛选过程的位置噪声数据问题,提出了基于定位置信度加权的Soft Teacher-LAH半监督目标检测算法。

通过离散化目标检测网络定位分支的预测输出,引入具有定位感知功能的输出结构LAH。

基于LAH预测输出,定义一种衡量定位精度的置信度指标,设计基于该置信度加权的无监督定位损失函数,降低伪标签位置噪声对模型训练的负面影响。

实验结果表明了该算法的性能优势,针对微软COCO数据集,在有标注数据占比训练集分别为1%、5%和10%的场景下,该算法相比于现有Soft Teacher方案的平均精度分别提高了1.1、1.2和1.5个百分点;针对PASCAL VOC数据集,在使用VOC07和VOC12分别作为有标注和无标注训练数据的场景下,该算法相比Soft Teacher方案的平均精度提高了1.6个百分点。

【总页数】10页(P249-258)
【作者】冯泽恒;王丰
【作者单位】广东工业大学信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于半监督K-Means的属性加权聚类算法
2.基于BFS和加权半监督聚类算法的地铁客流分配研究
3.基于EM算法的半监督局部加权PLS在线建模方法
4.基于拓展约束投影的加权半监督聚类集成算法
5.基于序贯三支决策的半监督目标检测算法
因版权原因，仅展示原文概要，查看原文内容请购买。