五大方向逐一梳理半监督目标检测进展

Paper:  https://arxiv.org/pdf/2306.14106.pdf导读监督学习领域的目标检测算法已经比较成熟了，但是标签成本过高，存在一定的局限性。因而，半监督目标检测（SSOD）受到广泛关注，旨在通过使用少量标记数据和大量未标记数据来学习信息。本文从五个方面对其进行总结：首先简单介绍一下数据增强的几种方法。然后，将主流的半监督策略分为伪标签、一致正则化、基于图和基于迁移学习的方法，并介绍了一些具有困难环境中的方法。此外，介绍了相关损失函数，概述了常见的基准数据集并比较了不同代表性方法的准确性。背景知识我们可以把半监督学习看作监督学习与无监督学习相结合的方法，其主要研究点在于如何在训练过程中合理利用有标签和无标签样本，可以通过应用一些假设来建立预测样本和学习目标之间的关系：（1）平滑假设假设当两个样 ………………………………