3 个月前

自元伪标签:无需教师模型的元伪标签

自元伪标签:无需教师模型的元伪标签

摘要

我们提出了一种名为自洽元伪标签(Self Meta Pseudo Labels)的新颖半监督学习方法,该方法与元伪标签(Meta Pseudo Labels)相似,但无需使用教师模型(teacher model)。我们提出了一种创新机制,仅通过一个模型同时完成伪标签生成与分类任务,从而只需在内存中存储一个模型,而非传统方法所需的两个模型。该方法在保持与元伪标签相当性能的同时,显著降低了内存占用。

基准测试

基准方法指标
semi-supervised-image-classification-on-cifarSelf Meta Pseudo Labels
Percentage error: 4.09
semi-supervised-image-classification-on-cifar-2SMPL (WRN-28-8)
Percentage error: 21.68

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
自元伪标签:无需教师模型的元伪标签 | 论文 | HyperAI超神经