Polite Teacher: Semi-supervisiertes Instanzsegmentierung mit gegenseitigem Lernen und Pseudo-Label-Schwellenwertung

Wir stellen Polite Teacher vor, eine einfache, aber effektive Methode für die semi-überwachte Instanzsegmentierung. Die vorgeschlagene Architektur basiert auf dem Lehrer-Schüler-Mutual-Learning-Framework. Um verrauschte Pseudolabels zu filtern, verwenden wir ein Konfidenzschwellenwertverfahren für Bounding Boxes und Maskenscoring für Masken. Der Ansatz wurde mit CenterMask, einem einstufigen anchor-freien Detektor, getestet. Auf dem COCO 2017 Val-Datensatz getestet, übertrifft unsere Architektur den Baseline bei verschiedenen Überwachungsregimen erheblich (ungefähr +8 Prozentpunkte im Mask-AP). Nach bestem Wissen und Gewissen ist dies eines der ersten Werke, die sich mit dem Problem der semi-überwachten Instanzsegmentierung befassen, und das erste Werk, das sich auf einen anchor-freien Detektor konzentriert.