面向在线半监督广义持续学习的对比学习
机器学习
2022-11-23 v2 人工智能
计算机视觉与模式识别
摘要
我们研究带有缺失标签的在线持续学习，并提出 SemiCon，一种为部分标记数据设计的新的对比损失。我们通过设计一个基于记忆的方法展示了其效率，该方法在未标记数据流上训练，其中加入记忆的每个数据都使用一个 oracle 进行标记。当可用标签很少时，我们的方法优于现有半监督方法，并且在使用 Split-CIFAR10 上仅 2.6% 的标签和 Split-CIFAR100 上 10% 的标签时，取得了与最先进监督方法相似的结果。
引用
@article{arxiv.2207.05615,
title = {Contrastive Learning for Online Semi-Supervised General Continual Learning},
author = {Nicolas Michel and Romain Negrel and Giovanni Chierchia and Jean-François Bercher},
journal= {arXiv preprint arXiv:2207.05615},
year = {2022}
}
备注
Accepted at ICIP'22 Oral presentation