
摘要
我们提出了一种名为自洽元伪标签(Self Meta Pseudo Labels)的新颖半监督学习方法,该方法与元伪标签(Meta Pseudo Labels)相似,但无需使用教师模型(teacher model)。我们提出了一种创新机制,仅通过一个模型同时完成伪标签生成与分类任务,从而只需在内存中存储一个模型,而非传统方法所需的两个模型。该方法在保持与元伪标签相当性能的同时,显著降低了内存占用。
我们提出了一种名为自洽元伪标签(Self Meta Pseudo Labels)的新颖半监督学习方法,该方法与元伪标签(Meta Pseudo Labels)相似,但无需使用教师模型(teacher model)。我们提出了一种创新机制,仅通过一个模型同时完成伪标签生成与分类任务,从而只需在内存中存储一个模型,而非传统方法所需的两个模型。该方法在保持与元伪标签相当性能的同时,显著降低了内存占用。