RegMixMatch：优化半监督学习中的Mixup利用
机器学习
2025-04-18 v2 计算机视觉与模式识别
机器学习
摘要
一致性正则化和伪标签化已显著推动了半监督学习（SSL）。先前的工作有效地在SSL中采用Mixup进行一致性正则化。然而，我们的发现表明，对SSL应用Mixup进行一致性正则化可能会因妨碍人工标签的纯度而损害SSL性能。此外，大多数伪标签化方法利用阈值策略以排除低置信度数据，旨在缓解确认偏差；然而，这种方法限制了未标记样本的实用性。为解决这些挑战，我们提出了RegMixMatch——一种优化SSL中Mixup使用的新型框架。首先，我们引入半监督RegMixup，该方法通过使用混合样本和干净样本进行训练，有效解决人工标签纯度降低的问题。其次，我们开发了一种基于类的Mixup技术，将来自前两位预测类别的信息整合到低置信度样本及其人工标签中，从而减少这些样本的确认偏差并提高其有效利用。实验结果表明，RegMixMatch在各种SSL基准测试中实现了最先进的性能。
关键词
引用
@article{arxiv.2412.10741,
title = {RegMixMatch: Optimizing Mixup Utilization in Semi-Supervised Learning},
author = {Haorong Han and Jidong Yuan and Chixuan Wei and Zhongyang Yu},
journal= {arXiv preprint arXiv:2412.10741},
year = {2025}
}
备注
Accepted in AAAI Conference on Artificial Intelligence (AAAI-25)