Towards Human-Machine Cooperation: Self-supervised Sample Mining for Object Detection (CVPR2018)

原文链接

这是一个human in the loop的自/半监督学习方法。

直接根据pipline来简要描述一下
Towards Human-Machine Cooperation: Self-supervised Sample Mining for Object Detection (CVPR2018)_第1张图片初始情况下有一个未标记或部分标记的集合和一个部分训练的Detector

然后将一个batch输入进去,Detector得到一些bounding box

将它们放到不含有此类的随机图片中,再进行推理,得到的bounding box与上一步得到的bounding box进行比较,这里定义了一个一致性指标来衡量。

将高一致性的直接作为下一轮的伪标签

低一致性的需要进行人工标记

上述过程是一个训练过程,伪标签只会存在一轮,随着迭代进行优化!作者定义了一个关于一致性的loss,通过训练的backwards可以优化每次输出的伪标签,使其更贴合隐含的Ground truth。(也就是梯度方向朝着一致性增加的方向前进)

T h e   E n d . The\ End. The End.

你可能感兴趣的:(目标检测,深度学习,人工智能)