BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了一种记忆一致性引导的分治学习框架（MCDL）。
- 框架通过两个内存库记录未标记数据的历史预测。
- 利用预测一致性来衡量每个样本的可信度。
- 设计了分治学习策略以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。
- 在CUB数据集上获得8.4%的增益，在斯坦福汽车数据集上获得8.1%的增益，超越现有先进模型。
➡️
