半监督与无监督深度视觉学习：综述
计算机视觉与模式识别
2022-08-25 v1 人工智能
机器学习
摘要
最先进的深度学习模型通常使用大量昂贵的标注训练数据进行训练。然而，在有限标注情形下，要求穷尽的手动标注可能会降低模型的泛化能力。半监督学习与无监督学习提供了从丰富无标注视觉数据中学习的可行范式。这些范式的最新进展表明，利用无标注数据可改善模型泛化并提供更好的模型初始化。在本综述中，我们从统一视角回顾了半监督学习 (SSL) 与无监督学习 (UL) 在视觉识别方面的最新深度学习方法。为全面理解这些领域的前沿进展，我们提出了一种统一分类法。我们对现有代表性 SSL 与 UL 进行了全面且深入的分析归类，以突出其在不同学习场景中的设计原理及在不同计算机视觉任务中的应用。最后，我们讨论了 SSL 与 UL 的新兴趋势与开放挑战，以启发未来的关键研究方向。
引用
@article{arxiv.2208.11296,
title = {Semi-Supervised and Unsupervised Deep Visual Learning: A Survey},
author = {Yanbei Chen and Massimiliano Mancini and Xiatian Zhu and Zeynep Akata},
journal= {arXiv preprint arXiv:2208.11296},
year = {2022}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2022