计算机视觉中的伪标签方法综述
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了深度神经网络在计算机视觉中对大量标注样本依赖的问题，提出了对伪标签的更广泛理解，涵盖了自监督和无监督方法。通过探讨这些领域之间的联系，研究识别出新的方向，表明一领域的进展可有助于其他领域的发展，特别是在课程学习和自监督正则化方面。
本文介绍了一种基于半监督学习的伪标记方法，通过将伪标记应用于无标签样本并迭代训练模型，取得了与最先进方法相媲美的结果。作者强调学习课程原理和重启模型参数的重要性。实验结果表明，在CIFAR-10数据集上达到了94.91%的准确率，在Imagenet-ILSVRC数据集上达到了68.87%的top-1准确率。
