关键词long-tailed semi-supervised learning
搜索结果 - 4
- 长尾半监督学习中提升双重训练的一致性
通过 Boosting cOnsistency in duAl Training (BOAT) 这种新颖的简单方法，在类别分布不匹配的情况下，提高了长尾半监督学习（LTSSL）算法在各种标准的 LTSSL 基准测试中的性能和测试精度。
- CVPRBEM：长尾半监督学习的均衡和熵引导混合方法
本文介绍了一种平衡和基于熵的混合（BEM）方法，以重新平衡长尾半监督学习中的类分布，并通过数据混合改善长尾半监督学习，实验证明 BEM 显著提高了各种长尾半监督学习框架，在多个基准测试中达到了最先进的性能。
- AAAI三个头胜过一个：长尾半监督学习的互补专家
我们提出了一种名为 CPE 的新方法，通过训练多个专家来解决长尾半监督学习中标签不平衡和未标记数据分布未知的问题，并引入 CPE 的类别批量归一化来避免特征分布不匹配造成的性能下降。在 CIFAR-10-LT、CIFAR-100-LT 和 - 同时对一切进行对齐、蒸馏和增强以进行不平衡半监督学习
这篇研究提出了一种名为 ADALLO 的三方案框架，可解决长尾半监督学习中的类别不平衡问题，其中包括一个灵活的分布对齐机制、一个软一致性正则化机制和一个扩展未标记集的架构。该框架在不同程度的类别不平衡，不同数量的标记数据和分布不匹配的情况下