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
VOC,YOLO,COCO互转 def yolo2voc(bboxes, image_height720, image_width1280):"""yolo > [xmid, ymid, w, h] (normalized)voc > [x
paper:https://arxiv.org/pdf/2106.08322v1.pdf code: https://github.com/microsoft/DynamicHead 摘要 在目标检测中，定位和分类相结合的复杂
一、多模态学习定义及应用 模态定位为某种类型的信息，如声音、图像、文字等。人们生活在一个多模态相互交融的环境中，生活中的各项决策都考虑了至少两种方面的信息。对单模态信息的学习上，每种模态的异构性决定了其
暂无评论