『壹』 杭州觀瓊建築材料有限公司怎麼樣
簡介：杭州觀瓊（Kinzip）建築材料有限公司是金峰機械全資子公司，總部位於中國鋼結構之鄉——杭州市蕭山區，是一家集建築金屬屋面、牆面、樓面圍護系統的研發、設計、製作、測量、現場安裝、售後服務、項目咨詢和管理於一體的金屬圍護系統供應商。Kinzip為國內許多標志性建築提供了技術服務及高品質產品。 始終追蹤並處於鋼結構建築及其圍護系統技術與產品的發展前沿，Kinzip團隊根據客戶的不同需求，提供全面系統的技術服務，強大的Kinzip設計隊伍為客戶提供整體屋面、牆面解決方案。 優選知名高品質材料供應商生產鋁錳鎂、鈦鋅、太古銅、鍍鋁鋅等高檔金屬屋面，牆面，樓面材料。 擁有國內先進的移動式生產及加工設備，可提供適應任何復雜項目的現場生產、壓型。Kinzip的技術、施工、維護人員致力於為客戶提供最優質最省心的服務。 團隊為客戶創造價值，讓客戶的工程更優秀是我們不懈的追求。Kinzip將一如既往努力把自身塑造成為客戶，供應商，員工乃至公眾心目中一流的金屬圍護系統供應商。
法定代表人：俞海華
成立時間：2014-05-30
注冊資本：158萬人民幣
工商注冊號：330181000428286
企業類型：有限責任公司(自然人投資或控股)
公司地址：蕭山區所前鎮農貿市場3#
『貳』 半監督目標檢測相關方法總結
關注「FightingCV」公眾號
回復「AI」即可獲得超100G人工智慧的教程
點擊進入→FightingCV交流群
作者丨kinredon@知乎（已授權）
來源丨zhuanlan.hu.com/p/40...
編輯丨極市平台
半監督目標檢測是機器學習領域的一個重要方向，旨在利用大量未標注數據來提升模型性能。本文將總結近期半監督目標檢測的相關方法，以供未來查閱。
半監督目標檢測方法概述
在介紹半監督目標檢測方法之前，我們先了解一下目標檢測在不同場景下的具體設定，包括監督學習、弱監督學習、弱半監督學習和半監督學習。半監督目標檢測的核心在於如何充分利用大量未標注、多樣性的數據，提升模型在測試集上的性能。
兩種主要的半監督目標檢測方法
目前，半監督目標檢測方法主要分為兩大類：一致性學習和偽標簽生成。前者通過學習同一張未標注圖像在不同擾動（如水平翻轉、對比度或亮度變化）之間的內在一致性，充分利用未標注數據的信息。後者則利用已標注數據上的預訓練模型對未標注數據進行推理，通過NMS減少冗餘框，利用偽標簽進一步訓練模型。
近期半監督目標檢測文章簡介
本文將介紹幾篇近期在半監督目標檢測領域發表的論文，主要發表於ICLR、NeurIPS、CVPR等重要會議。
Consistency-based Semi-supervised Learning for Object Detection, NeurIPS 19
CSD方法提出了一種基於一致性學習的半監督目標檢測演算法，適用於單階段和雙階段檢測器。它通過結合標注樣本的監督損失和未標注樣本的一致性損失，提高了模型性能。
A Simple Semi-Supervised Learning Framework for Object Detection
STAC方法基於硬偽標簽，通過四個步驟實現半監督目標檢測。它顯著提高了模型的檢測精度和准確性。
Instant-Teaching: An End-to-End Semi-Supervised Object Detection Framework
Instant-Teaching方法通過即時生成偽標簽，解決了STAC僅生成一次偽標簽的局限性，提高了模型性能。
Data-Uncertainty Guided Multi-Phase Learning for Semi-Supervised Object Detection
通過利用圖像級別不確定性進行多階段學習，DUGMPL方法提高了模型在困難數據上的檢測性能。
Unbiased Teacher for Semi-Supervised Object Detection
Unbiased Teacher方法旨在解決現有半監督目標檢測演算法生成的偽標簽存在偏見的問題，通過使用無偏教師模型進行偽標簽生成，提升了模型的整體性能。
Interactive Self-Training with Mean Teachers for Semi-supervised Object Detection
IST方法通過結合Mean Teacher和自我訓練，解決了模型在不同迭代中對同一圖像預測結果差異的問題，提高了半監督目標檢測的性能。
總結
本文總結了半監督目標檢測領域的幾種主流方法，包括一致性學習和偽標簽生成。這些方法通過充分利用未標注數據，提高了模型在測試集上的性能。未來的研究可以探索更高效、更准確的半監督目標檢測演算法，以進一步推動計算機視覺領域的發展。