TransBoost：利用深度转导学习提升最佳 ImageNet 性能
计算机视觉与模式识别
2023-01-18 v4 人工智能
机器学习
摘要
本文研究深度转导学习，并提出 TransBoost 作为一种微调任意深度神经模型以改进其在训练时提供的任何（无标签）测试集上性能的方法。TransBoost 受大间隔原理启发，高效且易于使用。我们的方法在 ResNets、MobileNetV3-L、EfficientNetB0、ViT-S 和 ConvNext-T 等多种架构上显著提升了 ImageNet 分类性能，取得了最先进的转导性能。此外，我们展示了 TransBoost 在多种图像分类数据集上均有效。TransBoost 的实现见：https://github.com/omerb01/TransBoost 。
引用
@article{arxiv.2205.13331,
title = {TransBoost: Improving the Best ImageNet Performance using Deep Transduction},
author = {Omer Belhasin and Guy Bar-Shalom and Ran El-Yaniv},
journal= {arXiv preprint arXiv:2205.13331},
year = {2023}
}