首先,我们使用标准伪标签技术提取HPL,并从RPN生成的提案中挖掘一组低置信度伪标签(LPL),留下那些与HPL不明显重叠的标签。通过利用类关系信息和减少LPLD损耗计算中固有噪声的影响,这些LPL进一步得到细化。此外,我们使用特征距离自适应加权LPLD损失,以关注包含更大前景区域的LPL。 尽管自训练框架的准确率有所提高,但它们...
这种自训练方法首先在有标签数据上训练模型,然后使用训练好的模型对无标签数据进行预测。预测出的标签然后被用作无标签数据的伪标签,有效地将其转换为伪标记数据。模型在原有的有标签数据和新的伪标签数据的组合上重新训练,这个过程循环迭代以进一步改善模型性能。伪标签经常被广泛应用于图像分类、目标检测和自然语言...
1.基于伪标签质量的自训练域适应遥感图像语义分割方法,其特征在于,包括如下步骤: 数据集准备,包括源域与目标域的划分,以及同域内的数据预处理; 语义分割模型初始化; 半监督模型集成; 跨域图像混合; 局部伪标签质量计算; 遥感图像的语义分割子训练域适应。 2.根据权利要求1所述的基于伪标签质量的自训练域适应遥感...