겸손한 교사가 반 감독 객체 탐지에서 더 나은 학생을 가르친다

우리는 교사-학생 듀얼 모델 프레임워크를 따르는 현대 객체 탐지기를 위한 반 감독 접근 방식을 제안합니다. 우리의 방법 1은 1) 학생으로부터 온라인으로 교사를 업데이트하기 위한 지수 이동 평균 전략, 2) 학생의 훈련 목표로 많은 영역 제안과 소프트 의사 라벨을 사용하는 것, 3) 교사가 더 신뢰할 수 있는 의사 라벨을 생성하기 위한 경량 식별 전용 데이터 앙상블로 특징지어집니다. 최근 최첨단인 STAC과 비교하여, 우리의 모델에서 교사는 많은 제안에 소프트 라벨을 제공함으로써 학생에게 더 풍부한 정보를 노출시킵니다. 우리의 모델은 VOC12를 비표시 데이터로 사용할 때 VOC07 검증 세트에서 53.04%의 COCO 스타일 AP를 달성하며, 이는 STAC보다 8.4% 향상된 결과입니다. 또한 MS-COCO에서는 라벨이 있는 데이터의 작은 비율만을 라벨링해도 이전 작업보다 더 나은 성능을 보입니다. 라벨 데이터와 비슷한 크기의 비라벨 데이터를 활용함으로써 완전 감독 ResNet-152 Cascaded R-CNN보다 3.1% 향상된 53.8% AP를 MS-COCO test-dev에서 도달했습니다.