Virtual Category Learning: A Semi-Supervised Learning Method for Dense Prediction With Extremely Limited Labels
题目:虚拟类别学习:一种用于极度有限标签的密集预测的半监督学习方法
作者:Changrui Chen; Jungong Han; Kurt Debattista
源码:https://github.com/GeoffreyChen777/VC
摘要
在现实世界的应用中,由于标记数据的成本高昂,以伪标记为基础的半监督学习是一个吸引人的解决方案。然而,处理混乱样本并非易事:丢弃有价值的混乱样本会损害模型泛化能力,而使用它们进行训练则可能加剧由于不可避免的错误标记而引起的确认偏差问题。为了解决这个问题,本文提出主动使用混乱样本而不进行标记校正。具体来说,为每个混乱样本分配一个虚拟类别(VC),这样即使没有具体标签,它也可以安全地为模型优化做出贡献。这为类别间信息共享能力提供了上