目标检测中存在前景背景不平衡和前景之间类不平衡,这些不平衡导致半监督训练中产生有偏差的预测。伪标签作为图像分类半监督中最有效的方法之一,在目标检测中因为倾向置信度高的类别和区域导致产生偏差。将偏差伪标签加入训练会加重类不平衡问题和产生过拟合
unbiased teacher:联合训练teacher和student模型,teacher模型产生伪标签用于训练student,student模型经EMA更新teacher。
(1)利用伪标签训练RPN和ROIhead,从而缓解RPN和ROIhead的过拟合问题。
(2)利用teacher-student模型,防止了噪声伪标签带来的不利影响
(3)采用EMA训练和Focal loss,解决了类不平衡导致的伪标签偏差问题并且提高了伪标签的质量。