Self-training with Noisy Student improves ImageNet classification (2020 CVPR)
1. 出处
2020 CVPR
2. 主要内容
想要尽可能的利用上无标签的数据,来提高模型分类能力
3. 整体结构
输入数据:
labeled images和unlabeled images
![在这里插入图片描述](https://img-blog.csdnimg.cn/43f0fbb5964c4d83ad1624951dd3d520.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAVEVuJQ==,size_20,color_FFFFFF,t_70,g_se](https://img-blog.csdnimg.cn/04e3349fa3864556a877102c5b9cc24d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAVEVuJQ==,size_20,color_FFFFFF,t_70,g_se,x_16)
3.1 Pipeline
self-training的3个步骤:
- 在labeled ImageNet images上训练一个teacher model EfficientNet-B7
- 利用teacher模型在unlabeled images上生成pseudo labels
- 利用labeled images和pseudo labeled images训练student模型EfficientNet-L2
循环上述过程多次,将训练好的student作为teacher,relabel unlabeled data,训练新的student
确保student在训练时的输入是noised,teacher在生成pseudo labels的时候不是noised
3.2 Noise
为了noise the student,作者使用了2种噪声,input noise和model noise
input noise: data augmentation with RandAugment
model noise: dropout和stochastic depth
通过使用数据增强噪声,student需要保证对于一张图像,增强后的和未增强的有相同的类别,这种不变性约束使得student比teacher学到更多的知识。
Self-training with Noisy Student improves ImageNet classification (2020 CVPR)相关推荐
- Self-training with Noisy Student improves ImageNet classification
本文提出了一种噪声学生模型(Noisy Student)自训练的方法,通过这种方法提高ImageNet的分类精度,并在EfficientNet-L2的网络上达到了state-of-the-art的水平 ...
- Self-training with Noisy Student improves ImageNet classification论文阅读
摘要 提出了一种noisy student training,这种半监督方法即使在标记数据丰富的情况下也能很好的工作.这种方法实现了88.4的准确率,比最先进的方法高2.0%.鲁棒性方面:从61.0% ...
- Self-training with Noisy Student improves ImageNet classification阅读笔记
论文地址:https://arxiv.org/pdf/1911.04252v1.pdf 这篇文章实现了自训练方法,使用部分带标签数据进行训练,在ImageNet上top-1为87.4%. 方法: 1. ...
- Self-training with Noisy Student improves ImageNet classification论文解析
一.摘要 首先,本文开门见山给出实验结果在ImageNet上的提升.之后给出了他的实现方法,总的来说这篇文章结合了(1)知识蒸馏(2)半监督学习(3)模型噪音以及数据噪音 ,想要了解基础知识的可以先看 ...
- Self-training with Noisy Student improves ImageNet classification(2020 CVPR)半监督经典论文解读(一)
- 【CVPR 2021】自我知识蒸馏:Self-distillation with Batch Knowledge Ensembling Improves ImageNet Classification
[CVPR 2021]自我知识蒸馏:Self-distillation with Batch Knowledge Ensembling Improves ImageNet Classification ...
- 二值网络--XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks
XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks ECCV2016 http://allenai ...
- 经典DL论文研读(part4)--ImageNet Classification with Deep Convolutional Neural Networks
学习笔记,仅供参考,有错必纠 文章目录 ImageNet Classification with Deep Convolutional Neural Networks 摘要 Introduction ...
- 《每日论文》ImageNet Classification with Deep Convolutional Neural Networks
这篇论文是剖析 CNN 领域的经典之作,也是入门 CNN 的必读论文.作者训练了一个面向数量为 1.2 百万的高分辨率的图像数据集 ImageNet, 图像的种类为 1000 种的深度卷积神经网络. ...
最新文章
- php能做的事,PHP也能干大事 随机函数
- Eclipse IDE中的Java 9 module-info文件
- 工业级PoE交换机的分类知识详解
- 广东金融学院java实验报告_《大学计算机Ⅰ》实验报告实验三
- android+使用bmob冲突,bmob开发android遇到的问题
- 电子秤连接_电子秤称重仪表故障与维修
- 图论;单源最短路径;拓扑排序+松弛(有向无回路);Bellman-Ford(回路,负权回路)Dijkstra(无负权,可回路);可以用最小堆实现算法的优化;
- 【图像分割】基于matlab GUI类间方差阈值图像分割【含Matlab源码 583期】
- JLINK V9项目启动【jlink接口定义】【开启VCOM(虚拟串口)功能】
- django上云步骤
- 分享自己的超轻量级高性能ORM数据访问框架Deft
- 2019全球人工智能技术大会在宁举办
- 解救小哈(深度优先,广度优先)
- Pycharm如何将项目部署到树莓派上?
- 一个简单音乐播放器的java实现(一)
- 计算机一级考试内容有哪些?
- 51单片机的延时子程序
- 11.集合之List
- Excel 金额大写
- 英特尔酷睿11代CPU(TigerLake)在Nvme m.2 ssd下安装系统无法识别硬盘的解决方法