BriefGPT - AI 论文速递
·
通过对抗攻击提高半监督学习的性能
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究介绍了Adversarial Self-Supervised Learning (ASSL)框架，通过邻居关系的探索和对抗学习来增强Semi-Supervised Learning。提出了一种有效的自我监督学习方案，以提高特征的识别能力，并使用对抗性规则化方法对标记和未标记样本的特征分布进行对齐。实验证实了该方法在3D动作识别的少标记情况下相对于半监督学习的最新方法具有优越性能。
🎯
关键要点
- 研究介绍了对抗自我监督学习框架（ASSL）。
- 通过邻居关系探索和对抗学习增强半监督学习。
- 提出了一种有效的自我监督学习方案以提高特征识别能力。
- 使用对抗性规则化方法对标记和未标记样本的特征分布进行对齐。
- 在 NTU 和 N-UCLA 数据集上进行了大量实验。
- 在3D动作识别的少标记情况下，该方法相对于半监督学习的最新方法具有优越性能。
➡️
