基于类级置信度的三维半监督学习
计算机视觉与模式识别
2022-10-25 v2 人工智能
摘要
近期最先进的方法 FlexMatch 首次证明正确估计学习状态对半监督学习(SSL)至关重要。然而，FlexMatch 提出的估计方法未考虑数据不平衡问题，而这在三维半监督学习中十分常见。为解决该问题，我们实际证明未标记数据的类级置信度能够表征三维不平衡数据集中的学习状态。基于该发现，我们提出了一种新颖的基于类级置信度的三维 SSL 方法。首先，提出动态阈值策略以利用更多未标记数据，尤其针对低学习状态类别。然后，设计重采样策略以避免偏向高学习状态类别，该策略动态改变每类的采样概率。为展示我们的方法在三维 SSL 任务中的有效性，我们在三维 SSL 分类与检测任务上进行了大量实验。我们的方法在所有数据集的三维 SSL 分类与检测任务中均显著优于最先进的同类方法。
引用
@article{arxiv.2210.10138,
title = {Class-Level Confidence Based 3D Semi-Supervised Learning},
author = {Zhimin Chen and Longlong Jing and Liang Yang and Yingwei Li and Bing Li},
journal= {arXiv preprint arXiv:2210.10138},
year = {2022}
}