Dense FixMatch：一种用于像素级预测任务的简单半监督学习方法
计算机视觉与模式识别
2022-10-19 v1 机器学习
摘要
我们提出 Dense FixMatch，一种用于密集结构化预测任务在线半监督学习的简单方法，其通过强数据增强结合伪标注与一致性正则化。我们通过在对伪标签添加匹配操作，使 FixMatch 能够应用于图像分类之外的半监督学习问题。这使我们仍可使用数据增强流水线的全部能力，包括几何变换。我们在 Cityscapes 和 Pascal VOC 上以不同比例的标注数据评估了半监督语义分割，并消融了设计选择与超参数。与使用仅标注数据的监督学习相比，Dense FixMatch 显著改善了结果，在 1/4 标注样本下即接近其性能。
引用
@article{arxiv.2210.09919,
title = {Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks},
author = {Miquel Martí i Rabadán and Alessandro Pieropan and Hossein Azizpour and Atsuto Maki},
journal= {arXiv preprint arXiv:2210.09919},
year = {2022}
}