『壹』 杭州观琼建筑材料有限公司怎么样
简介:杭州观琼(Kinzip)建筑材料有限公司是金峰机械全资子公司,总部位于中国钢结构之乡——杭州市萧山区,是一家集建筑金属屋面、墙面、楼面围护系统的研发、设计、制作、测量、现场安装、售后服务、项目咨询和管理于一体的金属围护系统供应商。Kinzip为国内许多标志性建筑提供了技术服务及高品质产品。 始终追踪并处于钢结构建筑及其围护系统技术与产品的发展前沿,Kinzip团队根据客户的不同需求,提供全面系统的技术服务,强大的Kinzip设计队伍为客户提供整体屋面、墙面解决方案。 优选知名高品质材料供应商生产铝锰镁、钛锌、太古铜、镀铝锌等高档金属屋面,墙面,楼面材料。 拥有国内先进的移动式生产及加工设备,可提供适应任何复杂项目的现场生产、压型。Kinzip的技术、施工、维护人员致力于为客户提供最优质最省心的服务。 团队为客户创造价值,让客户的工程更优秀是我们不懈的追求。Kinzip将一如既往努力把自身塑造成为客户,供应商,员工乃至公众心目中一流的金属围护系统供应商。
法定代表人:俞海华
成立时间:2014-05-30
注册资本:158万人民币
工商注册号:330181000428286
企业类型:有限责任公司(自然人投资或控股)
公司地址:萧山区所前镇农贸市场3#
『贰』 半监督目标检测相关方法总结
关注“FightingCV”公众号
回复“AI”即可获得超100G人工智能的教程
点击进入→FightingCV交流群
作者丨kinredon@知乎(已授权)
来源丨zhuanlan.hu.com/p/40...
编辑丨极市平台
半监督目标检测是机器学习领域的一个重要方向,旨在利用大量未标注数据来提升模型性能。本文将总结近期半监督目标检测的相关方法,以供未来查阅。
半监督目标检测方法概述
在介绍半监督目标检测方法之前,我们先了解一下目标检测在不同场景下的具体设定,包括监督学习、弱监督学习、弱半监督学习和半监督学习。半监督目标检测的核心在于如何充分利用大量未标注、多样性的数据,提升模型在测试集上的性能。
两种主要的半监督目标检测方法
目前,半监督目标检测方法主要分为两大类:一致性学习和伪标签生成。前者通过学习同一张未标注图像在不同扰动(如水平翻转、对比度或亮度变化)之间的内在一致性,充分利用未标注数据的信息。后者则利用已标注数据上的预训练模型对未标注数据进行推理,通过NMS减少冗余框,利用伪标签进一步训练模型。
近期半监督目标检测文章简介
本文将介绍几篇近期在半监督目标检测领域发表的论文,主要发表于ICLR、NeurIPS、CVPR等重要会议。
Consistency-based Semi-supervised Learning for Object Detection, NeurIPS 19
CSD方法提出了一种基于一致性学习的半监督目标检测算法,适用于单阶段和双阶段检测器。它通过结合标注样本的监督损失和未标注样本的一致性损失,提高了模型性能。
A Simple Semi-Supervised Learning Framework for Object Detection
STAC方法基于硬伪标签,通过四个步骤实现半监督目标检测。它显著提高了模型的检测精度和准确性。
Instant-Teaching: An End-to-End Semi-Supervised Object Detection Framework
Instant-Teaching方法通过即时生成伪标签,解决了STAC仅生成一次伪标签的局限性,提高了模型性能。
Data-Uncertainty Guided Multi-Phase Learning for Semi-Supervised Object Detection
通过利用图像级别不确定性进行多阶段学习,DUGMPL方法提高了模型在困难数据上的检测性能。
Unbiased Teacher for Semi-Supervised Object Detection
Unbiased Teacher方法旨在解决现有半监督目标检测算法生成的伪标签存在偏见的问题,通过使用无偏教师模型进行伪标签生成,提升了模型的整体性能。
Interactive Self-Training with Mean Teachers for Semi-supervised Object Detection
IST方法通过结合Mean Teacher和自我训练,解决了模型在不同迭代中对同一图像预测结果差异的问题,提高了半监督目标检测的性能。
总结
本文总结了半监督目标检测领域的几种主流方法,包括一致性学习和伪标签生成。这些方法通过充分利用未标注数据,提高了模型在测试集上的性能。未来的研究可以探索更高效、更准确的半监督目标检测算法,以进一步推动计算机视觉领域的发展。