低镜头实例转换网络

弱监督检测更准

把不准确的弱监督伪标注修正为接近强监督的实例框，用少量强标注实现高精度检测。

Peng, Liu · 潘宗序 · 雷斌 · 胡玉欣

IEEE Transactions on Geoscience and Remote Sensing 2024

技术优势

修正部分主导

ECS 从弱监督输出中挖掘高质量伪标注，纠正只关注最显著部件的问题。

缓解类别混淆

LRA 利用强标注中学习到的识别知识修正带类别噪声的伪标注，缓解二类混淆。

性能显著提升

在 NWPU VHR-10.v2 和 DIOR 上显著优于先前的 state-of-the-art。

应用场景

• 遥感目标检测：用少量强标注训练高精度检测器，减少遥感图像标注成本。
• 弱监督学习：让模型在海量弱标注数据上达到接近全监督的检测性能。
• 视觉检测：在遥感场景中精确定位目标实例，供下游分析使用。