4 个月前

礼貌教师:基于互学习和伪标签阈值的半监督实例分割

礼貌教师:基于互学习和伪标签阈值的半监督实例分割

摘要

我们介绍了Polite Teacher,这是一种简单而有效的方法,用于半监督实例分割任务。所提出的架构基于教师-学生互学框架。为了过滤掉噪声伪标签,我们对边界框采用了置信度阈值法,并对掩码进行了评分。该方法已在CenterMask(一种单阶段无锚点检测器)上进行了测试。在COCO 2017验证数据集上的实验结果表明,我们的架构在不同的监督条件下显著提高了基线性能(掩码AP约提高8个百分点)。据我们所知,这是最早解决半监督实例分割问题的工作之一,也是首个专门针对无锚点检测器的研究。

基准测试

基准方法指标
semi-supervised-instance-segmentation-on-coco-4Polite Teacher (ResNet50)
mask AP: 18.33
semi-supervised-instance-segmentation-on-coco-5Polite Teacher (ResNet50)
mask AP: 22.28
semi-supervised-instance-segmentation-on-coco-6Polite Teacher (ResNet50)
mask AP: 26.46
semi-supervised-instance-segmentation-on-coco-7Polite Teacher (ResNet50)
mask AP: 30.08

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
礼貌教师:基于互学习和伪标签阈值的半监督实例分割 | 论文 | HyperAI超神经