SP-DETR：基于师生范式的卓越点弱半监督检测器在作物与杂草检测中的应用

《Computers and Electronics in Agriculture》：SP-DETR: Superior point weak semi-supervised DETR with teacher–student paradigm for crop and weed detection

本文提出SP-DETR（Superior Point弱半监督DETR），通过点放大模块（PAM）、多分支点编码器（MPE）和去噪解码器（DD）三大核心创新，结合师生范式（teacher-student paradigm），有效解决了农业场景中标注成本高、泛化能力弱的难题。该模型利用点注释（point annotations）实现高效半监督目标检测，在BWD数据集上超越现有最优方法，为精准农业中的视觉检测提供了新思路。

　　

Section snippets

Related work

本节综述了与目标检测相关的研究工作，涵盖监督学习、半监督学习和弱监督目标检测器。

Revisiting DETR

本节简要回顾了DETR及其Transformer编码器-解码器架构（Carion等，2020）。与传统CNN检测器不同，DETR摒弃了非极大值抑制（non-maximum suppression）或锚点生成（anchor generation）等手工设计。DETR网络由带位置编码的主干网络、编码器以及具有注意力机制的解码器网络构成。此外，它采用基于集合的匈牙利损失（set-based Hungarian loss），确保每个真实目标对应唯一的预测结果。

Experiments

以下部分首先在4.1节描述数据集。4.2节提出一种点注释的插件增强策略。随后，4.3节列出评估指标、对比方法及实现细节。为评估SP-DETR性能，4.4节展示并分析定量与定性结果，4.5节进行消融实验。

Conclusion

本文提出SP-DETR——一种基于DETR架构和师生范式的创新型弱半监督目标检测框架，专用于点注释下的作物与杂草检测。该方法融合三大核心组件：点放大模块（PAM）通过多对一点匹配策略将单点注释扩展至每物体多个点，提升定位鲁棒性；多分支点编码器（MPE）……