通过对抗攻击提升半监督学习性能
机器学习
2023-08-09 v1 人工智能
摘要
半监督学习（SSL）算法建立在难以获取大量标注数据这一现实假设之上。本研究提出一个名为 SCAR（Selecting Clean samples with Adversarial Robustness，基于对抗鲁棒性筛选干净样本）的通用框架，用于提升近期 SSL 算法的性能。通过对预训练模型进行半监督下的对抗攻击，我们的框架在图像分类上取得了显著进展。我们介绍了对抗攻击如何成功筛选出高置信度的未标注数据，并以当前预测为其打标。在 CIFAR10 上，结合 SCAR 的三种近期 SSL 算法均实现了图像分类的显著提升。
引用
@article{arxiv.2308.04018,
title = {Improving Performance of Semi-Supervised Learning by Adversarial Attacks},
author = {Dongyoon Yang and Kunwoong Kim and Yongdai Kim},
journal= {arXiv preprint arXiv:2308.04018},
year = {2023}
}
备注
4 pages