跳到正文
arXiv · 机器人与计算机视觉· Miquel Mart\'i i Rabad\'an, Alessandro Pieropan, Hossein Azizpour, Atsuto Maki·· 2 天前AI 评分33

不变/等变半监督学习在多任务部分标注数据集上的应用研究

Multi-task learning on partially labeled datasets via invariant/equivariant semi-supervised learning

AI 导读

该研究利用 FixMatch 及其等变扩展 Dense FixMatch,在 Cityscapes 和 BDD100K 数据集的目标检测与语义分割任务中验证了方法的有效性。实验表明,当某任务可用标注样本较少时,不变/等变半监督学习性能显著优于监督基线,且后者通常表现更佳。研究证实该方法是从有限标注数据中进行多任务学习的有前景方向。

来源:arXiv · 机器人与计算机视觉 · arxiv.org