利用自监督改进开放集半监督学习
机器学习
2023-12-04 v3 计算机视觉与模式识别
机器学习
摘要
开放集半监督学习(OSSL)体现了半监督学习中的一种实际场景,其中无标签训练集包含未出现在标签集中的类别。许多现有OSSL方法假设这些分布外数据是有害的,并致力于从训练目标中排除属于未知类别的数据。相反,我们提出了一种通过自监督从所有无标签数据中学习的OSSL框架。此外,我们利用基于能量的分数来准确识别属于已知类别的数据,使我们的方法非常适合处理部署中未筛选的数据。我们通过广泛的实验评估表明,与现有OSSL方法相比,我们的方法在多项评估基准问题上就闭集准确率和开放集识别取得了最先进的结果。我们的代码可在 https://github.com/walline/ssl-tf2-sefoss 获取。
引用
@article{arxiv.2301.10127,
title = {Improving Open-Set Semi-Supervised Learning with Self-Supervision},
author = {Erik Wallin and Lennart Svensson and Fredrik Kahl and Lars Hammarstrand},
journal= {arXiv preprint arXiv:2301.10127},
year = {2023}
}
备注
WACV2024