摘要

近期关于半监督学习（SSL）的研究取得了显著成功。尽管这些方法表现出色，但当前最先进的技术往往通过增加网络组件和额外的训练程序来实现越来越复杂的设计。本文提出了一种名为集成投影器辅助半监督学习（EPASS）的简单方法，主要集中在改进所学嵌入以提升现有对比联合训练半监督学习框架的性能。与标准方法不同的是，标准方法中从单个投影器学到的嵌入存储在内存库中用于对比学习，而EPASS则将多个投影器的集成嵌入存储在内存库中。因此，EPASS提高了泛化能力，增强了特征表示，并提升了性能。例如，在仅使用100k/1%/10%标记数据的情况下，EPASS分别将SimMatch的Top-1错误率降低了39.47%/31.39%/24.70%，并在ImageNet数据集上将CoMatch的Top-1错误率降低至40.24%/32.64%/25.90%。这些改进在不同的方法、网络架构和数据集中均表现一致，证明了所提方法的一般有效性。代码可在https://github.com/beandkay/EPASS 获取。