| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Entropy Minimization
- cifar100-c
- CycleGAN
- 최린컴퓨터구조
- conjugate pseudo label paper
- remixmatch paper
- 백준 알고리즘
- Pix2Pix
- dann paper
- CoMatch
- tent paper
- semi supervised learnin 가정
- BYOL
- Meta Pseudo Labels
- WGAN
- mocov3
- CGAN
- Pseudo Label
- shrinkmatch
- SSL
- ConMatch
- adamatch paper
- shrinkmatch paper
- simclrv2
- UnderstandingDeepLearning
- dcgan
- 딥러닝손실함수
- GAN
- mme paper
- 컴퓨터구조
Archives
- Today
- Total
목록CoMatch (1)
Hello Data
최근에 semi supervised learning 논문을 읽으면서 contrastive learning이 결합된 논문들을 읽어봤는데 이에 시초가 되는 논문인 CoMatch를 읽어보려고 한다. https://arxiv.org/pdf/2011.11183.pdf Introduction 많은 SSL(semi supervised learning)방법들은 Pseudo label방법을 사용한다. 그런데 이 방법의 단점이라고 한다면 class distribution을 뱉는 모델의 성능에 크게 의존하는 것인데 따라서 확증편향이 일어나기 쉽다(confirmation bias). 그래서 논문의 저자는 이러한 편향을 줄이기 위해 class probability와 low-dimensional embedding을 결합하는 방식..
Self,Semi-supervised learning
2023. 8. 13. 15:55