在线半监督感知：无显式反馈的实时学习
机器学习
2026-05-01 v1
摘要
本文提出一种无需显式反馈的实时学习算法。该算法结合了图上半监督学习与在线学习的思想。具体而言，它迭代地构建其环境的图表示，并用观测到的样本进行更新。带标签的样本构成算法的初始偏差，并以离线方式提供；而无标签样本流则在线收集以更新此偏差。我们阐述了该算法的动机，讨论了如何高效实现它，证明了其解质量的遗憾界，并将其应用于实时人脸识别问题。我们的识别器可实时运行，并在3个具有挑战性的视频数据集上取得了优越的精确率和召回率。
引用
@article{arxiv.2604.27562,
title = {Online semi-supervised perception: Real-time learning without explicit feedback},
author = {Branislav Kveton and Michal Valko and Matthai Phillipose and Ling Huang},
journal= {arXiv preprint arXiv:2604.27562},
year = {2026}
}
备注
IEEE Computer Vision and Pattern Recognition Workshop on Online Learning for Computer Vision (CVPR 2010 OLCV)