这是一个human in the loop的自/半监督学习方法。
直接根据pipline来简要描述一下
初始情况下有一个未标记或部分标记的集合和一个部分训练的Detector
然后将一个batch输入进去，Detector得到一些bounding box
将它们放到不含有此类的随机图片中，再进行推理，得到的bounding box与上一步得到的bounding box进行比较，这里定义了一个一致性指标来衡量。
将高一致性的直接作为下一轮的伪标签
低一致性的需要进行人工标记
上述过程是一个训练过程，伪标签只会存在一轮，随着迭代进行优化！作者定义了一个关于一致性的loss，通过训练的backwards可以优化每次输出的伪标签，使其更贴合隐含的Ground truth。（也就是梯度方向朝着一致性增加的方向前进）
T h e E n d . The\ End. The End.
240
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
