文件名称:ups
文件大小:20KB
文件格式:ZIP
更新时间:2024-04-18 22:25:17
Python
捍卫伪标签:针对半监督学习的不确定性伪标签选择框架 。 本文提出了一种用于半监督学习的不确定性感知伪标签选择框架,该框架可大大减少伪标签过程引入的噪声。 最近在半监督学习(SSL)中的研究主要由基于一致性正则化的方法主导,这些方法可实现强大的性能。 但是,它们严重依赖于特定于域的数据扩充,这对于所有数据模式都不容易生成。 伪标签(PL)是一种通用的SSL方法,它没有此限制,但在其原始格式中效果相对较差。 我们认为,PL的表现不佳,是由于模型校准不正确造成的高置信度预测错误; 这些预测会产生许多不正确的伪标签,从而导致训练繁琐。 我们提出了一种不确定性感知的伪标签选择(UPS)框架,该框架可通过大大减少训练过程中遇到的噪声量来提高伪标签的准确性。 此外,UPS推广了伪标签过程,从而可以创建否定的伪标签。 这些否定的伪标签可用于多标签分类以及用于改进单标签分类的否定学习。 与CIFAR-10
【文件预览】:
ups-main
----utils()
--------misc.py(2KB)
--------utils.py(2KB)
--------__init__.py(20B)
--------pseudo_labeling_util.py(7KB)
--------train_util.py(4KB)
--------evaluate.py(2KB)
----models()
--------wideresnet.py(5KB)
--------shakeshake.py(11KB)
--------cnn13.py(3KB)
----train-cifar.py(14KB)
----README.md(2KB)
----data()
--------cifar.py(10KB)
--------augmentations.py(8KB)