PEPL：用于细粒度图像分类的精确增强伪标注法在半监督学习中的应用
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对细粒度图像分类中的标注稀缺问题，提出了一种精确增强伪标注（PEPL）方法，旨在通过半监督学习框架生成高质量伪标注。该方法利用类激活图（CAM）逐步生成和优化伪标注，显著提高了模型在基准数据集上的准确性和鲁棒性，推动了细粒度分类领域的发展。
本文提出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。作者指出学习课程原理和重启模型参数是关键因素。在实验中，使用了较少的标记样本，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。
