重利用不可靠伪标签的单阶段半监督目标检测.pdfVIP

计算机与现代化

2025年第3期JISUANJIYUXIANDAIHUA总第355期

文章编号：1006-2475（2025）03-0052-08

重利用不可靠伪标签的单阶段半监督目标检测

12321

邵叶秦，王海权，周昆阳，郭于荻，施佺

（1.南通大学交通与土木工程学院，江苏南通226019；2.南通大学张謇学院，江苏南通226019；

3.东南大学自动化学院，江苏南京210096）

摘要：半监督目标检测方法的关键是为无标签数据中的目标分配伪标签。为了确保伪标签的质量，半监督目标检测方法

通常利用置信度阈值过滤不可靠伪标签，这会导致大量的伪标签因为置信度低而被滤除。本文提出改进后的半监督学

习方法使用对比学习来重利用大量置信度低的不可靠伪标签，提升半监督目标检测方法的性能。具体来说，根据预测置

信度将无标签数据的伪标签分为可靠与不可靠伪标签。除了利用可靠伪标签，还利用不可靠伪标签作为对比学习中的

负样本训练模型。为了平衡类别间不可靠伪标签的数量，设计一个记忆模块用于保存训练过程中不同批次的不可靠伪

标签。实验结果表明，在COCO数据集上，对训练数据进行1%、5%和10%的标注情况下，改进后的半监督学习方法的平

均准确率达到13.6%、23.0%和27.5%，优于已有半监督学习方法；在COCO-additional数据集上，改进后的半监督学习方

法的平均准确率达到44.7%，相较于监督学习，性能提高4.5个百分点。

关键词：半监督学习；目标检测；对比学习；重利用不可靠伪标签；端到端训练

中图分类号:TP391文献标志码：ADOI:10.3969/j.issn.1006-2475.2025.03.008

One-stageSemi-supervisedObjectDetectionbyReusingUnreliablePseudo-labels

12321

SHAOYeqin，WANGHaiquan，ZHOUKunyang，GUOYudi，SHIQuan

（1.SchoolofTransportationandCivilEngineering，NantongUniversity，Nantong226019，China；

2.SchoolofZhangJian，NantongUniversity，Nantong226019，China；

3.SchoolofAutomation，SoutheastUniversity，Nanjing210096，China）

Abstract:Thekeytosemi-supervisedobjectdetectionmethodsistoassignpseudolabelstothetargetsofunlabeleddata.To

guaranteethequalityofpseudo-labels，thesemi-supervisedobjectdetectionmethodsusuallyuseaconfidencethresholdtofilter

low-qualitypseudo-labels，whichwillcausemostpseudo-labelstoberemovedduetotheirlowconfidence.Contrastivelearning

isusedtoreusemostoflow-confidenceunreliablepseudolabelsforboostingtheperformanceofsemi-s