ICLRMar, 2024
改善半监督实例分割的 (伪) 标签
Better (pseudo-)labels for semi-supervised instance segmentation
François Porcher, Camille Couprie, Marc Szafraniec, Jakob Verbeek
TL;DR通过引入一种双重策略来增强教师模型的训练过程,从而显著改善少样本学习,同时提出一种校准校正机制,使学生模型能够纠正教师的校准错误。实验结果在 LVIS 数据集上表现出显著的提升,平均精度(AP)提高了 2.8%,稀有类别的 AP 提高了 10.3%。