研究目的
为解决训练目标检测网络时标注数据量不足的挑战,提出一种基于半监督学习的方法,利用生成对抗网络从未标注数据中提取数据分布。
研究成果
使用生成对抗网络(GAN)的半监督学习方法能有效降低误报率,充分利用数据并防止过拟合,但未能解决漏检率问题。
研究不足
该方法无法降低漏检率,需要检测器确保低漏检率。
研究目的
为解决训练目标检测网络时标注数据量不足的挑战,提出一种基于半监督学习的方法,利用生成对抗网络从未标注数据中提取数据分布。
研究成果
使用生成对抗网络(GAN)的半监督学习方法能有效降低误报率,充分利用数据并防止过拟合,但未能解决漏检率问题。
研究不足
该方法无法降低漏检率,需要检测器确保低漏检率。
加载中....
您正在对论文“[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚(2018.7.22-2018.7.27)] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于生成对抗网络的遥感图像半监督目标检测”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期