重新思考基于Point标注的弱半监督目标检测

1、背景介绍

 

目标检测任务中，标注大量的框比较费时间，因此，大家用各种各样的方法来减少标注消耗的时间。其中常见的做法是利用半监督的方式在仅有少量标注数据的情况下，利用剩余未标注的数据，最终与全标注数据的模型性能相近。

除了半监督的方法，近些年出现了一个新的子领域——基于点标注的弱半监督目标检测。所谓的点标注，指的是在标注的时候不直接以框的形式进行标注，而是以点代替（存在一部分是全标注数据，即既有点标注也有框标注），下图是一个较为直观的展示：

在这类标注的前提下，研究者们提出了一系列算法来高效的利用他们来逼近以框的方式进行标注的算法性能。

2、常见算法列举

当前，基于点标注的弱半监督目标检测还是一个较新的领域，因此，相关工作不是特别多，下面是调研得到的一些算法：

• [CVPR2022]：Group R-CNN for Weakly Semi-supervised Object Detection with Points <