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(wù)，提出了一種基于半監(jiān)督學(xué)習(xí)的密集區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Dense Region Convolutional Neural Network, D-RCNN)框架，以減少對大規(guī)模標注數(shù)據(jù)的依賴并提高檢測精度。在該框架中，利用教師-學(xué)生模型通過稠密偽標簽生成與一致性損失進行訓(xùn)練，結(jié)合偽標簽學(xué)習(xí)與數(shù)據(jù)擾動，提升模型對無標注數(shù)據(jù)的有效利用率。針對長尾分布問題，... （共11頁）