通过对抗攻击提高半监督学习的性能

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。