https://arxiv.org/abs/2106.09018
https://github.com/microsoft/SoftTeacher
当前的半监督目标检测算法都需要多阶段的训练，例如在第一阶段使用右边去数据训练，然后再生成伪标签并重新训练。但是这些伪标签可能并不准
版权声明：本文为CSDN博主「BIT可达鸭」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44936889/article/details/120917564
论文地址： https://arxiv.org/abs/2103.14475 主要问题： 与图像分类不同的是，目标检测的知识蒸馏更加复杂，因为它往往具有具有多个损失函数，其中语义信息所依赖的特征纠缠在一起 此外其他的目标检测
PaddleDetection知识蒸馏 知识蒸馏主要是让让新模型（通常是一个参数量更少的模型）近似原模型(模型即函数)。注意到，在机器学习中，我们常常假定输入到输出有一个潜在的函数关系，这个函数是未知的：从头学习一个新模型就是从有限的数据中近
深度学习目标检测：RCNN 什么是目标检测？目标检测主要是明确从图中看到了什么物体？他们在什么位置。传统的目标检测方法一般分为三个阶段：首先在给定的图像上选择一些候选的区域，
暂无评论