基于Dense Teacher的半監(jiān)督雙階段遙感目標(biāo)檢測(cè)方法

摘要： 針對(duì)遙感圖像中的有向物體檢測(cè)任務(wù)，提出了一種基于半監(jiān)督學(xué)習(xí)的密集區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Dense Region Convolutional Neural Network, D-RCNN)框架，以減少對(duì)大規(guī)模標(biāo)注數(shù)據(jù)的依賴并提高檢測(cè)精度。在該框架中，利用教師-學(xué)生模型通過(guò)稠密偽標(biāo)簽生成與一致性損失進(jìn)行訓(xùn)練，結(jié)合偽標(biāo)簽學(xué)習(xí)與數(shù)據(jù)擾動(dòng)，提升模型對(duì)無(wú)標(biāo)注數(shù)據(jù)的有效利用率。針對(duì)長(zhǎng)尾分布問(wèn)題，... （共11頁(yè)）