通俗来说，梯度设定会影响参数的变化，进而影响误差变化的速率 ，梯度是模型修改参数的唯一依据，告诉整个网络权重怎么调整可以让误差达到最小。利用匈牙利算法求解代价矩阵，得到唯一、最小总代价的一对一匹配关系，保证每个真实框仅匹配一个预测框，每个预测框仅匹配一个真实框。的预测-真实对计算损失，未匹配的预测框判定为背景，无监督损失。核心意义：衡量模型「不瞎检」的能力，值越高，误检越少。核心意义：衡量模型「不

其他方法的提升幅度大多在 + 1~+5 之间，而 Consistent-Teacher 能把无标注数据的价值最大化，带来了远超其他方法的增益，证明了其。中伪标签不一致问题进行深入探究，发现波动的伪目标会破坏高精度检测器的训练，向学生网络的训练过程中注入噪声，进而引发严重的过拟合问题。AP 50:95：在 IOU 阈值从 0.5 到 0.95 之间的平均精度（即常规的 mAP），更严格地衡量框的定位

Epoch Adaptor（数据与训练调度器）有标注数据：经过Mosaic增强后输入学生模型，提供监督信号无标注数据：用Mosaic增强后再做一次强增强，分别送入教师模型和学生模型教师学生双Dense DectorDense Dector：本文提出的核心一阶段锚框检测器，基于RetinaNet融合YOLOv5优化的高效检测模型学生模型：接收有/无标注数据，负责学习检测任务教师模型：学生通过指数移动

学生的ROI特征不经过自身检测分类头，而是复用完全冻结的两套教师分类头生成预测，后续也是用这两组交叉预测构造蒸馏损失，约束只更新学生主干，隔离分类头参数冲突，实现主干与分类头解耦。遍历每一个蒸馏区域，分别计算教师概率和学生概率的 KL 散度，把所有区域的 KL 值加起来，除以区域总数，取平均值，防止区域数量多少影响损失大小。旧类原型已经跟不上更新后的主干特征，我们把之前算出的整体偏移量加到旧原型上

学生的ROI特征不经过自身检测分类头，而是复用完全冻结的两套教师分类头生成预测，后续也是用这两组交叉预测构造蒸馏损失，约束只更新学生主干，隔离分类头参数冲突，实现主干与分类头解耦。遍历每一个蒸馏区域，分别计算教师概率和学生概率的 KL 散度，把所有区域的 KL 值加起来，除以区域总数，取平均值，防止区域数量多少影响损失大小。旧类原型已经跟不上更新后的主干特征，我们把之前算出的整体偏移量加到旧原型上

其他方法的提升幅度大多在 + 1~+5 之间，而 Consistent-Teacher 能把无标注数据的价值最大化，带来了远超其他方法的增益，证明了其。中伪标签不一致问题进行深入探究，发现波动的伪目标会破坏高精度检测器的训练，向学生网络的训练过程中注入噪声，进而引发严重的过拟合问题。AP 50:95：在 IOU 阈值从 0.5 到 0.95 之间的平均精度（即常规的 mAP），更严格地衡量框的定位

Epoch Adaptor（数据与训练调度器）有标注数据：经过Mosaic增强后输入学生模型，提供监督信号无标注数据：用Mosaic增强后再做一次强增强，分别送入教师模型和学生模型教师学生双Dense DectorDense Dector：本文提出的核心一阶段锚框检测器，基于RetinaNet融合YOLOv5优化的高效检测模型学生模型：接收有/无标注数据，负责学习检测任务教师模型：学生通过指数移动

多模态大型语言模型（MLLMs）通过将视觉输入作为额外标记注入大型语言模型（LLMs）的上下文，实现了开放世界的视觉理解。然而，当视觉输入从单张图像变为长视频时，上述模式会遇到困难，因为大量的视频标记已显著超出了多模态大型语言模型的最大容量。因此，现有的基于视频的多模态大型语言模型大多是通过从输入数据中采样一小部分标记来构建的，这可能导致关键信息丢失，从而产生错误的答案。本文提出了一种简单而有效的

我们提出了Stable Mean Teacher，这是一种用于半监督动作检测的新型师生方法。Stable Mean Teacher依赖于一种新颖的错误恢复模块，该模块从学生的错误中学习，并将这些知识传递给教师，以便为学生生成更好的伪标签。它还受益于像素差异，这是一种简单的约束，可在时空预测中增强时间连贯性。我们通过大量实验在三个动作检测数据集上证明了Stable Mean Teacher的有效性。

多模态大型语言模型（MLLMs）通过将视觉输入作为额外标记注入大型语言模型（LLMs）的上下文，实现了开放世界的视觉理解。然而，当视觉输入从单张图像变为长视频时，上述模式会遇到困难，因为大量的视频标记已显著超出了多模态大型语言模型的最大容量。因此，现有的基于视频的多模态大型语言模型大多是通过从输入数据中采样一小部分标记来构建的，这可能导致关键信息丢失，从而产生错误的答案。本文提出了一种简单而有效的