通过自监督改进图像分类的自训练
计算机视觉与模式识别
2021-09-13 v2
摘要
自训练是一种简单的半监督学习方法：将获得高置信度预测的未标注样本以其预测标签标注并加入训练集，该过程重复多次。近来，自监督——通过求解自动生成的 pretext 任务而在无需人工监督的情况下学习——在深度学习中备受关注。本文研究了将自监督融入自训练以提升图像分类精度的三种不同方式：仅作为预训练的自监督、仅在自训练首次迭代中执行的自监督，以及添加到自训练每次迭代中的自监督。在 SVHN、CIFAR-10 与 PlantVillage 数据集上，分别使用从头训练与 Imagenet 预训练权重的实证结果表明，仅在自训练首次迭代中应用自监督即可在计算时间适度增加的情况下大幅提升精度。
关键词
引用
@article{arxiv.2109.00778,
title = {Better Self-training for Image Classification through Self-supervision},
author = {Attaullah Sahito and Eibe Frank and Bernhard Pfahringer},
journal= {arXiv preprint arXiv:2109.00778},
year = {2021}
}
备注
added link to code repository