基于潜在有价值样本挖掘的半监督三维目标检测

打开文本图片集

摘 要：为了解决当前半监督三维目标检测算法中，传统的固定阈值方法在过滤伪标签时不够灵活，舍弃了大量有价值的伪标签，没有充分利用潜在有价值样本的问题，提出了一种基于潜在有价值样本挖掘的半监督三维目标检测方法。首先，不再使用固定阈值过滤伪标签，采用基于得分聚类的自适应阈值生成方法，分别为不同的类别生成过滤伪标签时需要的阈值，保留更多有价值的伪标签；其次，由于标签由类别和边界框信息组成，提出了一种联合置信度过滤伪标签的方法，使用对象置信度、分类置信度和IoU置信度的乘积来过滤伪标签，改善伪标签的质量；最后，对样本数量较少的类别生成稠密伪标签，筛选未通过联合置信度过滤的部分数据，以软伪标签的形式保留伪标签，更充分地利用潜在有价值的样本。（剩余19800字）