[SimCLR v2] Big Self-Supervised Models are Strong Semi-Supervised Learners

1、目的

        借助无监督预训练来提升半监督学习的效果

2、方法

        

        1）unsupervised/self-supervised pretrain

                -> task-agnostic

                -> big (deep and wide) neural network可以有效提升准确性

                -> improvements upon SimCLR

                        larger ResNet models；deeper but less wide

                        deeper（3-layer） non-linear network（projection head）

                        incorporate the memory mechanism from MoCo

        2）supervised fine-tuning

                fine-tune from the first layer of the MLP head

        3）self-training / knowledge distillation using unlabeled data

                -> no real labels are used

                        

                        

                -> 当labeled example数据量较大时，可以结合进loss计算中

                        

                -> encourage the student network to mimic the teacher network's label predictions

                -> fix teacher network, train (smaller) student network

                -> 大模型先self-distillation，再向小模型做knowledge distillation

3、结论

        1）半监督学习的可用label越少，越能从大模型中获益

        2）用于具体任务时，大模型不是必要的，因此可以transfer到小模型上

        3）用一个较深的projection head，可以提升半监督的结果