基于潛在有價值樣本挖掘的半監(jiān)督三維目標(biāo)檢測

打開文本圖片集

摘 要：為了解決當(dāng)前半監(jiān)督三維目標(biāo)檢測算法中，傳統(tǒng)的固定閾值方法在過濾偽標(biāo)簽時不夠靈活，舍棄了大量有價值的偽標(biāo)簽，沒有充分利用潛在有價值樣本的問題，提出了一種基于潛在有價值樣本挖掘的半監(jiān)督三維目標(biāo)檢測方法。首先，不再使用固定閾值過濾偽標(biāo)簽，采用基于得分聚類的自適應(yīng)閾值生成方法，分別為不同的類別生成過濾偽標(biāo)簽時需要的閾值，保留更多有價值的偽標(biāo)簽；其次，由于標(biāo)簽由類別和邊界框信息組成，提出了一種聯(lián)合置信度過濾偽標(biāo)簽的方法，使用對象置信度、分類置信度和IoU置信度的乘積來過濾偽標(biāo)簽，改善偽標(biāo)簽的質(zhì)量；最后，對樣本數(shù)量較少的類別生成稠密偽標(biāo)簽，篩選未通過聯(lián)合置信度過濾的部分?jǐn)?shù)據(jù)，以軟偽標(biāo)簽的形式保留偽標(biāo)簽，更充分地利用潛在有價值的樣本。（剩余19800字）