| 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
- BYOL
- 최린컴퓨터구조
- tent paper
- semi supervised learnin 가정
- Meta Pseudo Labels
- WGAN
- dann paper
- simclrv2
- Entropy Minimization
- CGAN
- ConMatch
- remixmatch paper
- CoMatch
- cifar100-c
- UnderstandingDeepLearning
- conjugate pseudo label paper
- SSL
- dcgan
- 딥러닝손실함수
- adamatch paper
- shrinkmatch paper
- CycleGAN
- mme paper
- shrinkmatch
- 컴퓨터구조
- Pix2Pix
- Pseudo Label
- mocov3
- GAN
- 백준 알고리즘
Archives
- Today
- Total
목록Meta Pseudo Labels (1)
Hello Data
논문의 풀 제목은 글 제목에 적혀있다. https://arxiv.org/pdf/2003.10580.pdf Introduction여기서 제시하는 기존 Pseudo label의 문제는 잘못 만든 PL의 경우 악영향을 끼칠 수 있다는 것이며 이는 confirmation bias를 크게 할 수 있다는 것이다(여기서 말하는 PL의 경우 일반적인 SSL에서의 PL이 아니라 pre-trained 된 Teacher를 통해 만든 PL을 student에게 주는 PL을 말한다). 따라서 여기서 제시하는 해결점은 PL을 만드는 Teacher 모델도 추가적으로 훈련하는 것이다(기존 방식에서의 Teacher 의 파라미터는 업데이트 하지 않는다). 추가적으로 훈련하는 방식이 Novelty라고 할 수 있는데 이를 student 로부..
Self,Semi-supervised learning
2024. 3. 28. 14:31