【论文标题】Points as Queries: Weakly Semi-supervised Object Detection by Points

【作者团队】Liangyu Chen, Tong Yang, Xiangyu Zhang, Wei Zhang, Jian Sun

【发表时间】2021/04/15

【机构】旷视科技、复旦大学

【论文链接】https://arxiv.org/pdf/2104.07434.pdf

本文出自旷视科技与复旦大学联合团队，作者提出了一种新的使用标注点的弱半监督目标检测任务，并基于 DETR 模型设计了带有点编码器的新目标检测模型。

针对弱半监督目标检测任务，本文作者提出了一种新的使用已标注点的设定，该数据集由少量的完全标注图像和大的弱标注图像组成。该实验设定实现了巨大的标注负担和检测性能之间的平衡。基于此设定，本文作者分析了现有的检测器，发现这些检测器难以充分利用标注点的能力。为了解决该问题，本文作者引入了一种新的检测器——Point DETR，它通过增加点编码器来扩展 DETR。

作者在不同数据设置下的 MS-COCO 数据集上进行了大量实验，实验额结果证明了本文提出方法的有效性。特别是，当使用来自 COCO 的 20% 完全标记的数据时，本文提出的检测器性能达到了 33.3 AP，这相较于强大的对比基线 FCOS 提升了 2.0 AP。

 

图 1：Point DETR 示意图。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除