【综述】【图像分类】图像分类中的半监督学习、自监督学习和无监督学习研究，对比分析了21种方法

论文地址：https://arxiv.org/pdf/2002.08721.pdf 代码： 来源：德国基尔大学 论文名称：A Survey on Semi-, Self- and Unsupervised Learning in ImageClassification 原文作者：Lars Schmarje

尽管目前在计算机视觉任务中深度学习策略取得了优异的成绩，但仍存在问题：策略严重依赖于大量的标记数据。在许多现实问题中，创建这么多标记的训练数据是不可行的。因此，将未标记的数据纳入到训练过程中，以此获得与较少标记相同的结果。但由于大量同时进行的研究，很难跟踪最新的发展。在本文中，我们提供了一个在较少标签的图像分类中常用的技术和方法的概述。本文中比较了21种方法。通过分析确定了三个主要趋势：1. 基于它们的准确性，现有技术的方法可扩展到实际应用中；2. 达到与使用所有标签的相同结果，需要的监督程度正在降低；3.所有方法都共享公共技术，只有少数方法结合这些技术可以获得更好的性能。基于这三个趋势，我们发现了未来更多的研究机会。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。