DyConfidMatch：用于三维半监督学习的动态阈值与重采样方法
计算机视觉与模式识别
2024-11-14 v1
摘要
半监督学习 (SSL) 利用有限的标注数据和大量的未标注数据，但常常面临数据不平衡的挑战，尤其是在三维场景中。本研究探讨了类别级置信度作为三维 SSL 中学习状态指标的作用，提出了一种利用动态阈值化来更好地利用未标注数据，特别是来自代表性不足类别的数据的新方法。还引入了一种重采样策略，以减轻对代表性良好类别的偏差，确保公平的类别表示。通过在三维 SSL 中的大量实验，我们的方法在分类和检测任务中超越了最先进的同类方法，突显了其在解决数据不平衡问题方面的有效性。该方法代表了三维数据集 SSL 的重大进步，为数据不平衡问题提供了鲁棒的解决方案。
引用
@article{arxiv.2411.08340,
title = {DyConfidMatch: Dynamic Thresholding and Re-sampling for 3D Semi-supervised Learning},
author = {Zhimin Chen and Bing Li},
journal= {arXiv preprint arXiv:2411.08340},
year = {2024}
}
备注
Accepted by Pattern Recognition Journal