为了有一个普通的了解层面,写了这篇博客来记录,整理了简单与深度的资料,方便使用。
1.半监督学习基本思想:同时利用有标注数据和无标注数据学习
传统办法有简单自训练、协同训练、半监督字典学习、标签传播算法、半监督支持向量机等
当下用的很多的有基于深度网络的算法
Pseudo-Label : The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks
让深度学习真正地成为一种半监督算法是一篇发表在 ICML 2013 的文章,是一个相当简单的让网络 work in semi-supervised fashion 的
方法。就是把网络对无标签数据的预测,作为无标签数据的标签(即 Pseudo label),用来对网络进行训练,
其思想就是一种简单自训练。但方法虽然简单,但是效果很好,比单纯用有标签数据有不少的提升。
2.自监督学习介绍//简单明了
自监督学习主要是利用辅助任务(pretext)从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督
信息对网络进行训练,从而可以学习到对下游任务有价值的表征。
self-supervised learning 是无监督学习里面的一种,主要是希望能够学习到一种通用的特征表达用于下游任务。
自监督学习(Self-Supervised Learning, SSL)
从扩展性的角度看自监督学习的发展
参考资料
半监督深度学习小结//总结全面,里面有对应算法的代码
一文看懂半监督学习(Semi-supervised Learning)和自监督学习(Self-Supervised Learning)
一文看懂半监督学习(Semi-supervised Learning)和自监督学习(Self-Supervised Learning)_饮冰l的博客-CSDN博客