| 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 |
Tags
- cifar100-c
- Meta Pseudo Labels
- GAN
- WGAN
- dann paper
- SSL
- 백준 알고리즘
- dcgan
- 최린컴퓨터구조
- CoMatch
- UnderstandingDeepLearning
- semi supervised learnin 가정
- 딥러닝손실함수
- ConMatch
- adamatch paper
- CycleGAN
- BYOL
- tent paper
- shrinkmatch
- Pseudo Label
- CGAN
- mocov3
- shrinkmatch paper
- remixmatch paper
- mme paper
- Entropy Minimization
- Pix2Pix
- simclrv2
- conjugate pseudo label paper
- 컴퓨터구조
Archives
- Today
- Total
목록ConMatch 1
Hello Data
비전공생의 ConMatch2022 논문리뷰
이번 논문은 한국인 분들이 작성한 ConMatch라는 논문이다. 지난 번에 리뷰한 SimMatch, CCSSL 논문처럼 비슷한 문제 해결을 위해 새로운 프레임워크를 제안한다. https://arxiv.org/pdf/2208.08631.pdf Introduction Semi supervised learning은 데이터 문제에 대해서 많은 도움을 주는 방법이다. 하나의 이미지에 대해 strong augmentation, weak augmentation을 각각 적용한 후 모델에 넣고 분포가 consistency 하게 나와야 하는 것이 SSL에서 자주 사용하는 방식이다. 그러나 저자는 이러한 방식에 문제점을 제시하는데, 모델이 어떠한 방향으로 분포를 생성하는 것이 옳은 것인지 정의를 해주어야지, 그렇지 않고 단..
Self,Semi-supervised learning
2023. 8. 3. 19:04