메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Jaeha Song (Hanyang University) Eunseo Yoon (Hanyang University) Kyoungsu Cho (Hanyang University) Soonmin Hwang (Hanyang University)
저널정보
한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2024년 한국자동차공학회 추계학술대회 및 전시회
발행연도
2024.11
수록면
2,431 - 2,434 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Integrating multiple public datasets poses challenges due to discrepancies in classes and formats, leading to manual preprocessing. To address this, we propose an pseudo-labeling approach that generates pseudo labels to enhance dataset comprehensiveness and reduce manual effort. By applying confidence thresholds during pseudo-label generation, we filter out low-confidence detections to improve labeling accuracy. This approach proves particularly effective in handling rare classes scattered across datasets, enabling better generalization across diverse contexts. While initial models trained with both pseudolabeled and human-labeled data faced increased false positives, applying stricter confidence thresholds improved alignment with human-labeled annotations, enhancing overall precision and model performance.

목차

Abstract
1. INTRODUCTION
2. METHODS
3. EXPERIMENTS
4. CONCLUSION
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0