内存一致性引导的分治学习方法用于广义类别发现
原文中文,约300字,阅读约需1分钟。发表于: 。通过引入两个内存库记录未标记数据的历史预测,我们提出了一个记忆一致性引导的分治学习框架(MCDL),该框架利用预测一致性衡量每个样本的可信度,设计了分治学习策略来充分利用未标记数据的区分性信息,同时减小噪声标签的负面影响,通过多个基准实验结果证明了我们方法的广泛性和优越性,我们的方法在通用图像识别和具有挑战性的语义转换任务中(分别在 CUB 上获得 8.4%的增益和斯坦福汽车上获得...
该文章介绍了一种记忆一致性引导的分治学习框架(MCDL),通过引入两个内存库记录未标记数据的历史预测,利用预测一致性衡量每个样本的可信度,并设计了分治学习策略来充分利用未标记数据的区分性信息,减小噪声标签的负面影响。实验证明该方法在通用图像识别和语义转换任务中具有广泛性和优越性。