CoSSL：面向不平衡半监督学习的表示与分类器协同学习
计算机视觉与模式识别
2022-05-20 v3 机器学习
摘要
在本文中，我们为不平衡半监督学习（SSL）提出了一种新颖的协同学习框架（CoSSL），该框架将表示学习与分类器学习解耦。为了处理数据不平衡问题，我们为分类器学习设计了尾部类别特征增强（TFE）。此外，当前针对不平衡 SSL 的评估协议仅关注平衡的测试集，这在实际场景中的实用性有限。因此，我们进一步在各种偏移测试分布下进行了全面的评估。在实验中，我们证明了我们的方法在广泛的偏移分布范围内优于其他方法，在从 CIFAR-10、CIFAR-100、ImageNet 到 Food-101 的基准数据集上达到了最先进的性能。我们的代码将公开发布。
引用
@article{arxiv.2112.04564,
title = {CoSSL: Co-Learning of Representation and Classifier for Imbalanced Semi-Supervised Learning},
author = {Yue Fan and Dengxin Dai and Anna Kukleva and Bernt Schiele},
journal= {arXiv preprint arXiv:2112.04564},
year = {2022}
}
备注
Published at CVPR 2022 as a conference paper. Code at https://github.com/YUE-FAN/CoSSL