فصل البيانات يجعل الميزات المحلية شبه المشرفة أفضل

التعلم شبه المشرف يمكن أن يساعد طرق الميزات المحلية على التغلب على عقبة الحصول على مجموعة بيانات كبيرة الحجم تحتوي على مطابقات مكثفة. ومع ذلك، نظرًا لعدم قدرة الإشراف الضعيف على تمييز الخسائر الناجمة عن خطوات الكشف والوصف، فإن إجراء التعلم شبه المشرف مباشرة في خط الأنابيب المشترك "وصف ثم كشف" يعاني من أداء محدود. في هذا البحث، نقترح خط أنابيب "وصف ثم كشف" منفصلًا ومصمم خصيصًا للتعلم شبه المشرف للميزات المحلية. ضمن خط أنابيبنا، يتم فصل خطوة الكشف عن خطوة الوصف وتأجيلها حتى يتم تعلم واصفات تمييزية وقوية. بالإضافة إلى ذلك، نقدم استراتيجية بحث "خط إلى نافذة" لاستخدام المعلومات الخاصة بموضع الكاميرا بشكل صريح لتحقيق تعلم أفضل للواصفات. تظهر التجارب الواسعة أن طريقتنا، التي تُعرف باسم PoSFeat (مميز الإشراف بموضع الكاميرا)، تتفوق على الطرق السابقة التي كانت مشرف عليها بالكامل أو بشكل ضعيف وتحقق أداءً رائدًا في مجموعة واسعة من المهام التالية.