| 极市线上分享 第101期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了100期极市线上直播分享。往期分享请前往 bbs.cvmart.net/topics/149，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

半监督学习是一种实用的神经网络的训练策略，目标是使用大量易获得的无标注数据来提升网络的性能。但是以前的半监督学习方法，都是针对分类任务设计的，直接迁移到目标检测上，往往性能并不好。

在这次分享中，我们邀请到了南京理工大学计算机学院博士生李钢，为我们介绍他们中稿 ECCV 2022的工作：

PseCo: Pseudo Labeling and Consistency Training for Semi-Supervised Object Detection

“在这次分享中，我们分析了pseudo labeling和consistency training这两个半监督学习技术，并将其重新适配于目标检测。我们提出的半监督学习方法PseCo，通过将FPN错位对齐，学习到了更强的尺度不变性；同时，我们对无标注数据也设计了新的优化方法，让检测器对不准确的伪标签更加鲁棒。最终，PseCo在精度和训练效率上，都取得了SOTA的表现。”

01 直播信息

时间：2022年8月10日（周三）：20:00-21:00

主题：ECCV2022 PseCo：FPN错位对齐，实现高效半监督目标检测

直播地址：https://live.bilibili.com/3344545

02 嘉宾介绍

李钢

南京理工大学计算机学院博士生，研究方向为目标检测，自监督、半监督学习，知识蒸馏。目前以第一作者在ECCV、AAAI、ACM MM等人工智能顶级会议发表论文多篇。曾在商汤研究院实习。

03 关于分享

➤分享大纲1.目标检测的训练策略概述

2.半监督条件下的目标检测

3.PseCo的方法介绍

4.实验结果与展望

➤论文

PseCo: Pseudo Labeling and Consistency Training for Semi-Supervised Object Detection

arxiv：https://arxiv.org/abs/2203.16317

code：https://github.com/ligang-cs/PseCo

关注“极市平台”公众号