探索半监督面部表情识别的边界：学习来自分布内、分布外和无约束数据

Jun, 2023

探索半监督面部表情识别的边界：学习来自分布内、分布外和无约束数据

Exploring the Boundaries of Semi-Supervised Facial Expression Recognition: Learning from In-Distribution, Out-of-Distribution, and Unconstrained Data

PDF

Shuvendu Roy, Ali Etemad

TL;DR本文详细研究了 11 种最新的半监督学习方法，并在不同数据环境（如 in-distribution 和 unconstrained）下，通过五个人脸表情识别的数据集，对这些方法进行评估。结果表明 ReMixMatch 算法在大多数的数据情况下表现更好，而半监督学习可以在有限的标注数据下明显提升数据预测性能。

Abstract

deep learning-based methods have been the key driving force behind much of the recent success of facial expression recognition (FER) systems. However, the need for large amounts of labelled data remains a challen

deep learning semi-supervised learning facial expression recognition in-distribution data unlabelled data

发现论文，激发创造

针对分布偏移的图像分类半监督深度学习综述

本篇文章研究了半监督深度学习的最新方法，重点是针对标记和未标记数据集之间分布差异的情况设计的半监督深度学习模型，致力于解决传统深度学习流水线在实际使用环境下对数据的高需求，并希望鼓励社区应对该方面的挑战。

Mar, 2022

使用无约束未标记数据扩大半监督学习规模

提出了一种名为 UnMixMatch 的半监督学习框架，该框架可以从无约束的未标记数据中学习有效表示，以提高性能。它由三个组件组成：具有硬增强的监督学习器提供强大的正则化，对照一致性正则化器从未标记数据中学习底层表示以及自监督损失用于增强从未标记数据中学习的表示。在 4 个常用数据集上进行了实验，在现有的半监督方法上表现出卓越的性能提高 4.79%。广泛的消融和敏感性研究表明了我们方法的每个提出组件的有效性和影响。

Jun, 2023

跨模态分布匹配的半监督多模态情感识别

提出了一种基于跨模态分布匹配的半监督多模态情感识别模型，该模型利用丰富的未标记数据增强模型训练，实验结果表明该模型能够有效地结合多模态并利用未标记数据提高情感识别性能，并在同等条件下优于其他最先进的方法。

Sep, 2020

标签匹配半监督目标检测

本篇论文从分布级别和实例级别两个不同但互补的视角提出了一个简单而有效的 LabelMatch 框架，用于解决自我训练期间存在的标签不匹配问题，并通过 Proposal Self-assignment 机制确定准确的伪标签来促进学生和教师之间的匹配。在 MS-COCO 和 PASCAL-VOC 数据集上的实验结果表明，所提出的框架明显优于其他现有方法。

Jun, 2022

通过半监督预训练和时间建模探索面部表情识别

我们提出了一种半监督学习技术来生成未标记面部数据的表情类别伪标签以解决有限 FER 数据集的泛化能力问题，并采用均匀抽样和去偏反馈学习策略来应对数据集中的类别不平衡问题和半监督学习中的数据偏差问题。此外，引入了时间编码器来学习和捕捉静态图像之间的临近表情特征的时间关系，并在第 6 届 ABAW 竞赛中在官方验证集上取得了优秀的成绩，充分证实了我们提出方法的有效性和竞争力。

Mar, 2024

MixMatch: 半监督学习的整体方法

本研究提出了一种半监督学习算法 MixMatch，采用猜测低熵标签的方法，通过使用 MixUp 混合标记和未标记的数据来处理扩充后的未标注样例。实验结果表明，MixMatch 在许多数据集和标记数据量上都取得了大幅度的优越结果，同时也证明了 MixMatch 如何帮助实现更好的准确性和隐私权的权衡。最终，我们进行了消融研究来分离 MixMatch 的哪些组件对其成功最为重要。

May, 2019

LEAF：半监督面部表情识别中同一枚硬币的两面

本文提出了一种统一的框架 LEAF（Hierarchical dEcoupling And Fusing），通过协调与半监督面部表情识别相关的表征和伪标签，解决了标签稀缺性带来的挑战，在三个层次上操作：语义、实例和类别，并在基准数据集上进行了广泛实验证明其在标注和无标注数据方面较现有方法表现更好，并且该相关策略可以无缝集成到现有的半监督框架中，从而获得显著的性能提升。

Apr, 2024

无源跨域人脸表情识别的簇级伪标签

本文提出了第一个基于自我监督预训练和聚类级伪标记的无源自适应方法，通过解决面部表情识别中域偏移和数据保护问题，在 FER 的四种自适应情境下验证了其有效性，并证明其与处理 UDA 下 FER 的现有方法相当。

Oct, 2022

半监督和无监督深度视觉学习：一项综述

本文综述了针对可视化识别问题的先进深度学习算法在半监督学习和无监督学习范式下的研究进展，提出了统一的分类方法，并分析了它们在不同学习场景和计算机视觉任务中的设计原理及应用，最后探讨了 SSL 和 UL 中的新趋势和挑战。

Aug, 2022

半监督和自监督学习在医学图像上的准确率与时间前沿

对医学图像分类应用进行的研究表明，使用未标记的数据可以提高分类器的性能，通过自监督学习和半监督学习的方法，本研究在医学图像领域设计了一个基准测试，发现 MixMatch、SimCLR 和 BYOL 方法是强有力的选择，并提供适用于新医学任务的设置以及进一步搜索的方法。

Jul, 2023