CaSP, Class agnostic Semi-Supervised Pretraining for Detection and Segmentation
https://arxiv.org/abs/2112.04966
CaSP: Class-agnostic Semi-Supervised Pretraining for Detection and Segmentation
To improve instance-level detection/segmentation performance, existing self-supervised and semi-supervised methods extract either very task-unrelated or very task-specific training signals from unlabeled data. We argue that these two approaches, at the two
arxiv.org
semi seg or detection 논문.
기존의 semi 는 labeled data와 unlabeled data를 joint하여 학습시킨다.
이 논문은 class agnoistic unlabeled data로 pre-training 한뒤에 labeled data로 fine-tuning을 한다.
위 논문은 3가지 process가 존재한다.
(1) Early pretraining
detection dataset에서 class 정보를 제거하고 class-agnoistic한 data로 detector를 학습시킨다. localization만 집중하기 때문에 localization 성능이 class-specific data로 학습 시킨 것 보다 agnoistic 한게 더 높게 나온다.
(2) Late pretraining
(1)로 학습한 모델로 unlabeled data로부터 pseudo label을 생성해 target detector를 학습시킨다. 역시 class agnoistic하게.
(3) fine-tuning
이제 target detector를 down-stream dataset에 class 정보와 함께 학습시킨다.
GitHub - Seonghoon-Yu/AI_Paper_Review: 까먹으면 다시 보려고 정리합니다.
까먹으면 다시 보려고 정리합니다. Contribute to Seonghoon-Yu/AI_Paper_Review development by creating an account on GitHub.
github.com