论文解读：Exploring Object Relation in Mean Teacher for Cross-Domain Detection

最新推荐文章于 2024-02-25 10:55:26 发布
最新推荐文章于 2024-02-25 10:55:26 发布
阅读量1.5k 收藏 4
点赞数 1
分类专栏： 域自适应 目标检测 文章标签： 计算机视觉 domain adaption 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yshtjdx/article/details/98452109
版权

论文题目：Exploring Object Relation in Mean Teacher for Cross-Domain Detection(CVPR 2019)

论文主要贡献：该论文主要也是为了解决跨域的目标检测问题，但是与之前的基于判别的特征方法有很大的不同，主要是利用了半监督学习中SOTA方法Mean Teacher(NIPS 2017:Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results)，同样的有一篇论文也是利用Mean Teacher解决跨域的图像分类问题（ICLR 2018：Self-ensembling for domain adaptation），而本文是解决检测问题；

1、将跨域分类的论文（ICLR 2018：Self-ensembling for domain adaptation）中的全局的consistency转成检测中的region的consistency；

2、引入inter-graph和intra-graph consistency，变相将object relation引入Mean Teacher结构；

网络结构：

1、

SHY_VWind
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mean teacher
happily code
12-10 1万+
mean teacher 半监督 mean teacher 是17年提出来的半监督方法： Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results arxiv 改进了Temporal ensembling 和 Π\...
论文笔记：Exploring Object Relation in Mean Teacher for Cross-Domain Detection
weixin_41978493的博客
03-25 1211
1 Mean Teacher 用半监督学习的方法模仿无监督DA。且domain gap可以很自然地通过teacher-student的一致性正则化来跨过去。提出带Object Relation的Mean Teacher，将其与teacher和student模型的一致性损失相结合，首先学习捕捉teacher和student间成对区域的相似性的relation graphs，然后由三个一致性正则项来优化整体结构1）region-level；2）inter-graph；3）intra-grap...
[mean teacher笔记]Mean teachers are better role models
weixin_45922730的博客
10-24 5663
最近提出的时间集成在几个半监督学习基准中取得了先进的成果。它在每个训练示例上保持标签预测的指数移动平均值，并惩罚与此目标不一致的预测。然而，由于目标在每个时代只改变一次，当学习大型数据集时，时间集成变得笨拙。为了克服这个问题，作者提出了mean teacher，一种平均模型权重而不是平均预测标签的方法。mean teacher提高了测试的准确性，并且能够使用比时间集成更少的标签进行训练。作者还证明了良好的网络架构对性能至关重要。
Mean Teacher学习笔记（一）
demons2的博客
11-19 1万+
Mean Teacher学习笔记（一） 模型的核心思想：模型即充当学生，又充当老师。作为老师，用来产生学生学习时的目标，作为学生，利用老师模型产生的目标来学习。 为了克服Temporal Ensembling的局限性，我们建议平均模型权重而不是预测。教师模式是连续学生模式的平均值，因此我们叫它Mean teacher。与直接使用最终的权重相比，将模型权重平均到训练步骤会产生更准确的模型，在训练中可以利用这一点来构建更好的目标。教师模型使用学生模型的EMA权重，而不是与学生模型共享权重。同时，由于权值平均改善
Mean Teacher的调研与学习
最新发布
Alexa_的博客
02-25 1573
Mean Teacher 是一种半监督学习方法，是在方法 Π-Model 和 Temporal Ensembling 之上做了一些改进。Π-Model 和 Temporal Ensembling 方法都是用了单个模型，而Mean Teacher 是用了两个模型。Teacher 的学习方法是参数进行动量更新。Student 则是普通的学习方式。
简单入门理解半监督中的Mean Teacher
xiongxyowo的博客
02-16 6473
简单入门理解半监督中的Mean Teacher
Exploring Structural Consistency in Graph Regularized Joint Spectral-Spatial Sparse Coding for Hyperspectral Image Classification
02-22
Exploring Structural Consistency in Graph Regularized Joint Spectral-Spatial Sparse Coding for Hyperspectral Image Classification
颜色分类leetcode-HybridSN:在IEEEGRSL论文“Exploring3D-2DCNNFeatureHierarchyforH
07-06
IN 数据集分类结果（总体准确率 99.81%）。 (a) 假彩色图像。 (b) 地面实况标签。 (c) 分类图。 (d) 类图例。 帕维亚大学 (UP) 数据集 图 3 使用 30% 样本进行训练的 Hybrid-SN 的 UP 数据集分类结果（总体准确率 ...
Exploring Distinctive Features in Distant Supervision for Relation Extraction
02-09
Exploring Distinctive Features in Distant Supervision for Relation Extraction
Exploring the Road to 6G： ABC-Foundation for Intelligent Mobile
10-17
"Exploring the Road to 6G：ABC-Foundation for Intelligent Mobile Networks"这一主题深入探讨了6G的关键基础，即ABC（Artificial Intelligence, Big Data, and Cloud）对智能移动网络的影响和作用。 **人工智能...
首发 | 13篇京东CVPR 2019论文！你值得一读~ 技术头条
AI科技大本营
04-04 1645
点击上方↑↑↑蓝字关注我们~「2019 Python开发者日」全日程揭晓，请扫码咨询 ↑↑↑编者按：计算机视觉和模式识别大会 CVPR（Conference on Com...
【今日CV 计算机视觉论文速览 第106期】Fri, 26 Apr 2019
TomRen
04-29 1575
视觉论文速览 第106期 表示点目标检测 混合注意力目标检测 超分辨HDR 基于场景固定人体预测场景深度
pytorch知识小结
shY Pa
07-24 153
https://blog.csdn.net/weixin_41990278/article/details/90311313 https://blog.csdn.net/jacke121/article/details/82733197 https://blog.csdn.net/qxqsunshine/article/details/82973979 https://blog.csdn.n...
teacher-student network
热门推荐
dwyane12138的博客
12-03 1万+
最近读到一篇文章《An On-device Deep Neural Network for Face Detection》，讲的是苹果如何将基于深度学习的人脸识别方法应用到iPhone上，同时解决多任务并行及能耗的问题。文中提到了一个teacher-student network的概念。概括地讲，就是用一个更宽更复杂的，但是已经训练好的神经网络（教师网络），去训练另一个窄而深的网络（学生网络）
CVPR2019论文列表（中英对照）
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
论文笔记：IRNet: Instance Relation Network for Overlapping Cervical Cell Segmentation
水不在深有江的博客
03-27 917
刘老师推荐的论文，与cervical cancer相关，也适当地看一下别人的做法。 背景和宫颈癌相关，作者从细胞间重叠多，其他混杂的物体(非需要被检测的类)入手。 method 为了增强candidate selection 和 semantic consistency ，作者使用了Duplicate Removal Module (DRM) and Instance Relation Mo...
半监督学习：Π-Model、Temporal Ensembling、Mean Teacher
DRACOYU的博客
09-28 4105
Π-Model、Temporal Ensembling 和 Mean Teacher 三者都是利用一致性正则（consistency regularization）来进行半监督学习（semi-supervised learning）。 一致性正则要求一个模型对相似的输入有相似的输出，即给输入数据注入噪声，模型的输出应该不变，模型是鲁棒的。 目录Π-ModelTemporal EnsemblingMean TeacherReferences Π-Model Π-Model 可以说是最简单的一致性正则半监督学
meta-baseline: exploring simple meta-learning for few-shot learning
04-11
《b'meta-baseline: exploring simple meta-learning for few-shot learning'》这篇论文提出了一种简单的元学习方法用于少样本学习，称之为meta-baseline。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值