密集教师：用于半监督目标检测的密集伪标签

迄今为止，性能最强的半监督目标检测器（SS-OD）均基于伪框（pseudo-boxes）方法，但这类方法需经过一系列后处理操作，且依赖于经过微调的超参数。本文提出用密集预测（dense prediction）作为统一而直接的伪标签形式，替代稀疏的伪框。与伪框相比，所提出的密集伪标签（Dense Pseudo-Label, DPL）无需任何后处理步骤，因而能够保留更丰富的信息。此外，我们引入了一种区域选择技术，以突出关键信息并抑制密集标签中携带的噪声。基于DPL构建的半监督目标检测算法被命名为Dense Teacher。在COCO和VOC数据集上，Dense Teacher在多种实验设置下均展现出优于基于伪框方法的性能。