基于Ｄｅｎｓｅ Ｔｅａｃｈｅｒ 的半監(jiān)督雙階段遙感目標(biāo)檢測方法

打開文本圖片集

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 ＲｅｇｉｏｎＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＤＲＣＮＮ） 框架，以減少對大規(guī)模標(biāo)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(biāo)簽生成與一致性損失進(jìn)行訓(xùn)練，結(jié)合偽標(biāo)簽學(xué)習(xí)與數(shù)據(jù)擾動，提升模型對無標(biāo)注數(shù)據(jù)的有效利用率。（剩余14651字）