重新思考开放世界半监督学习：分布不匹配与归纳推理
计算机视觉与模式识别
2024-06-03 v1 机器学习
摘要
开放世界半监督学习（OWSSL）通过考虑未标记数据集中的新类别，将传统的半监督学习扩展到开放世界场景。尽管OWSSL近期取得了进展，但其成功通常依赖于以下假设：1）标记和未标记数据集共享相同的平衡类别先验分布，这在现实应用中通常不成立；2）未标记训练数据集被用于评估，这种直推式推理可能无法充分应对实际场景中的挑战。在本文中，我们旨在通过解决这些问题来推广OWSSL。我们的工作表明，与现有文献中普遍采用的方法相比，实际的OWSSL可能需要不同的训练设置、评估方法和学习策略。
引用
@article{arxiv.2405.20829,
title = {Rethinking Open-World Semi-Supervised Learning: Distribution Mismatch and Inductive Inference},
author = {Seongheon Park and Hyuk Kwon and Kwanghoon Sohn and Kibok Lee},
journal= {arXiv preprint arXiv:2405.20829},
year = {2024}
}
备注
CVPR Workshop on Computer Vision in the Wild (CVinW), 2024