RealMix：面向现实场景的半监督深度学习算法
机器学习
2019-12-19 v1 计算机视觉与模式识别
机器学习
摘要
半监督学习（SSL）算法在标注数据稀缺但无标注数据丰富的训练场景下已展现出巨大潜力。然而，我们的实验揭示了先前 SSL 算法存在的若干缺陷，尤其是在无标注数据与标注数据分布不一致时性能较差。针对这些现象，我们开发了 RealMix，其在不同标注与无标注集合规模的标准基准数据集上取得了最先进的结果，同时克服了上述挑战。值得注意的是，RealMix 在仅有 250 个标注的 CIFAR10 上达到了 9.79% 的错误率，并且是所测试的唯一种在标注与无标注数据分布存在显著失配时仍能超越基线性能的 SSL 方法。RealMix 展示了在数据与计算资源均受限的真实世界情境中如何应用 SSL，并为以实际适用性为导向的 SSL 进一步研究提供了指引。
引用
@article{arxiv.1912.08766,
title = {RealMix: Towards Realistic Semi-Supervised Deep Learning Algorithms},
author = {Varun Nair and Javier Fuentes Alonso and Tony Beltramelli},
journal= {arXiv preprint arXiv:1912.08766},
year = {2019}
}
备注
Code available at https://github.com/uizard-technologies/realmix