FisherMatch。通过基于熵的过滤进行半监督的旋转回归
从单一的RGB图像中估计3DoF的旋转是一个重要而有挑战性的问题。最近的作品依靠大量昂贵的标记数据取得了良好的性能。为了减少监督的数量，我们首次提出了一个通用的框架，FisherMatch，用于半监督的旋转回归，不需要假设任何特定领域的知识或配对的数据。受流行的半监督方法FixMatch的启发，我们提出利用伪标签过滤来促进教师-学生相互学习框架中从有标签数据到无标签数据的信息流。然而，将伪标签过滤机制纳入半监督的旋转回归是非常不容易的，主要是由于缺乏一个可靠的旋转预测的置信度。在这项工作中，我们建议利用矩阵Fisher分布来建立旋转的概率模型，并设计一个基于矩阵Fisher的回归器来联合预测旋转及其预测的不确定性。然后，我们建议使用预测分布的熵作为置信度，这使我们能够对旋转回归进行伪标签过滤。为了监督这种类似分布的伪标签，我们进一步研究了如何在两个矩阵Fisher分布之间执行损失的问题。我们广泛的实验表明，即使在不同的基准上，在非常低的标签数据比率下，我们的方法也能工作，与监督学习和其他半监督学习基线相比，取得了显著而一致的性能改进。我们的项目页面在网页链接。
《FisherMatch: Semi-Supervised Rotation Regression via Entropy-based Filtering》
论文地址:网页链接
断更了一周，居然每天收益还有50元[爱慕]
因为我坚持做了这件事
————————
出差➕旅游，已经连续7天没更新了
但是我的悟空问答，每天还有40多，50多，60多的收益，管道收入真的香呀
因为我坚持创作了30多天，每天至少更新了一篇悟空问答，每一篇2000-3000字。
目前10万➕爆款有8篇，持续热门中…
为什么要写问答呢？
因为悟空问答可以持续性热度，只要你的文章写得好，内容优质，讨论度高，能引起共鸣，头条君每天都会给你几十万展现量，持续数月之久……
所以，一定要坚持写，认真写，用心写…
这两天放假了，又要准备更新了
我目标：100篇悟空问答的10万➕爆款[奋斗]
还差92篇✔️加油
