Dense Teacher: Dense Pseudo-Labels for Semi-supervised Object Detection

要約

現在までのところ、最も強力な半教師付き物体検出器（SS-OD）は擬似箱に基づくものであり、微調整されたハイパーパラメータによる一連の後処理が必要である。本研究では、疎な擬似箱の代わりに、統一的でわかりやすい擬似ラベルの形式として、密な予測に置き換えることを提案する。密な擬似ラベルは、擬似ボックスと比較して、後処理を必要としないため、より豊かな情報を保持することができる。また、密なラベルが持つノイズを抑制しつつ、重要な情報を強調するための領域選択技術を導入する。我々は、DPLを活用した提案するSS-ODアルゴリズムをDense Teacherと命名する。COCOとVOCにおいて、Dense Teacherは様々な設定において、擬似箱に基づく手法と比較して優れた性能を示す。

要約(オリジナル)

To date, the most powerful semi-supervised object detectors (SS-OD) are based on pseudo-boxes, which need a sequence of post-processing with fine-tuned hyper-parameters. In this work, we propose replacing the sparse pseudo-boxes with the dense prediction as a united and straightforward form of pseudo-label. Compared to the pseudo-boxes, our Dense Pseudo-Label (DPL) does not involve any post-processing method, thus retaining richer information. We also introduce a region selection technique to highlight the key information while suppressing the noise carried by dense labels. We name our proposed SS-OD algorithm that leverages the DPL as Dense Teacher. On COCO and VOC, Dense Teacher shows superior performance under various settings compared with the pseudo-box-based methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL