RelationMatch:面向半监督学习的批内关系匹配
机器学习
2025-03-13 v3 计算机视觉与模式识别
摘要
半监督学习(SSL)已成为利用稀缺标注数据与丰富未标注数据的关键方法。尽管取得了显著进展,主流 SSL 方法主要强制个体样本不同增强视图之间的一致性,从而忽视了小批量(mini-batch)中固有的丰富关系结构。本文提出 RelationMatch,一种新颖的 SSL 框架,通过矩阵交叉熵(Matrix Cross-Entropy, MCE)损失函数显式地强制批内关系一致性。所提出的 MCE 损失从矩阵分析与信息几何两个视角严格推导,确保了理论严谨性与实践有效性。在标准基准上的大量实证评估(包括在 STL-10 上相较 FlexMatch 提升 15.21% 准确率)表明,RelationMatch 不仅推进了最先进(state-of-the-art)性能,还为在 SSL 中引入关系线索提供了原则性基础。
引用
@article{arxiv.2305.10397,
title = {RelationMatch: Matching In-batch Relationships for Semi-supervised Learning},
author = {Yifan Zhang and Jingqin Yang and Zhiquan Tan and Yang Yuan},
journal= {arXiv preprint arXiv:2305.10397},
year = {2025}
}
备注
21 pages