BriefGPT - AI 论文速递
·
OwMatch: Consistent Conditional Self-Labeling for Open World Semi-Supervised Learning
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了OwMatch框架，解决开放世界半监督学习中的未标记数据问题，确保自标注的无偏性。实验结果表明，该方法在已知和未知类别上显著提升了分类性能。
🎯
关键要点
-
本研究提出了OwMatch框架，解决开放世界半监督学习中的未标记数据问题。
-
未标记数据可能包含来自未见类别的样本，导致分类准确性下降。
-
OwMatch框架结合条件自标注和开放世界分层阈值，确保自标注分配估计器的无偏性。
-
实验结果表明，该方法在已知和未知类别上显著提高了分类性能。
➡️
