关于“半监督”MT给网络带来的增益，有点疑惑，请教一下师兄

[zhuyr97]

从论文的Table 2 来看，引入MT后确实给detection 任务带来了提升，但是不太能理解的一点就是给teacher network输入unlabeled data 后，其实这部分的loss计算是来自于unlabeled送入student net来获取的一个伪label，这里的unlabeled 数据没有真实的GT参考，为什么加上M最后可以给basic net带来增益和提升的呢，针对这一点，师兄是怎么理解的呢

[eraserNut]

关于半监督为什么能提升模型训练精度这个问题。一方面，引入了更多的数据，增强了网络的泛化能力，一定程度上避免了数据在小数据集上的过拟合。另一方面，这种软标签的训练方式可以理解为一种正则化方式。这点也可以解释为什么很多无监督学习方法也能学习到数据分布特征了。