BriefGPT - AI 论文速递
·
解锁无标签数据在半监督领域泛化中的潜力
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出UPC-SC方法，旨在解决半监督领域泛化中的训练与测试数据分布差异，充分利用低置信度无标签样本，显著提升模型性能，缩小领域间差距。
🎯
关键要点
- 本研究提出UPC-SC方法，旨在解决半监督领域泛化中的训练与测试数据分布差异。
- 该方法充分利用低置信度无标签样本，显著提升模型性能。
- 现有SSDG方法仅利用高置信度的无标签样本，未能充分利用所有无标签数据。
- UPC-SC方法结合了无标签对比学习模块和替代类学习模块。
- 该方法有效缩小了领域间的差距。
➡️
