BriefGPT - AI 论文速递
·
划分和集成：逐步学习未知情况
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
DEEM是一种用于小麦营养缺陷分类挑战的方法，将数据集分成不同日期的离散组来训练模型，并采用伪标签方法将高置信度的测试数据标记并纳入训练集，最终将各组的模型统一获得整个数据集的模型。在Deep Nutrient Deficiency Challenge中，该方法获得了平均93.6%的Top-1测试准确率，并荣获了第一名。
🎯
关键要点
- DEEM是一种用于小麦营养缺陷分类挑战的方法。
- 该方法通过将数据集分成不同日期的离散组来训练模型。
- 采用伪标签方法将高置信度的测试数据标记并纳入训练集。
- 最终将各组的模型统一获得整个数据集的模型。
- 在Deep Nutrient Deficiency Challenge中，该方法获得了平均93.6%的Top-1测试准确率。
- DEEM方法在比赛中荣获了第一名。
🏷️
标签
➡️
