基于Dense Teacher的半監(jiān)督雙階段遙感目標檢測方法

摘要： 針對遙感圖像中的有向物體檢測任務，提出了一種基于半監(jiān)督學習的密集區(qū)域卷積神經網絡(Dense Region Convolutional Neural Network, D-RCNN)框架，以減少對大規(guī)模標注數據的依賴并提高檢測精度。在該框架中，利用教師-學生模型通過稠密偽標簽生成與一致性損失進行訓練，結合偽標簽學習與數據擾動，提升模型對無標注數據的有效利用率。針對長尾分布問題，... （共11頁）