面向深度半监督学习的渐进式代表性标注
计算机视觉与模式识别
2021-08-16 v1
摘要
深度半监督学习（SSL）近年来受到显著关注，旨在利用大量无标注数据，在有限标注数据下提升深度学习性能。伪标注是一种扩展标注数据集的流行方法。然而，是否存在更有效的标注方式仍是一个开放问题。本文中，我们提出仅标注最具代表性的样本以扩展标注集。代表性样本由有向 k 近邻（kNN）图上对应节点的入度选出，位于许多其他样本的第 k 近邻邻域内。我们设计了一个图神经网络（GNN）标注器，以渐进学习方式对其标注。在渐进式 GNN 标注器的辅助下，我们的深度 SSL 方法在包括 CIFAR-10、SVHN 与 ILSVRC-2012 在内的若干流行 SSL 基准上优于最先进方法。值得注意的是，在仅使用 标注数据的具挑战性的 ImageNet 基准上，我们取得了 72.1% 的 top-1 准确率，超越先前最佳结果 3.3%。
引用
@article{arxiv.2108.06070,
title = {Progressive Representative Labeling for Deep Semi-Supervised Learning},
author = {Xiaopeng Yan and Riquan Chen and Litong Feng and Jingkang Yang and Huabin Zheng and Wayne Zhang},
journal= {arXiv preprint arXiv:2108.06070},
year = {2021}
}