阿里达摩院开源:半监督学习框架Dash,刷新多项SOTA!
点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
本文介绍机器学习顶级国际会议 ICML 2021 接收的 long talk (top 3.02%) 论文 “Dash: Semi-Supervised Learning with Dynamic Thresholding”。
论文链接:https://proceedings.mlr.press/v139/xu21e/xu21e.pdf 代码地址:https://github.com/idstcv/Dash 技术应用:https://modelscope.cn/models/damo/cv_manual_face-liveness_flrgb/summary
这篇论文创新性地提出用动态阈值(dynamic threshold)的方式筛选无标签样本进行半监督学习(semi-supervised learning,SSL)的方法,我们改造了半监督学习的训练框架,在训练过程中对无标签样本的选择策略进行了改进,通过动态变化的阈值来选择更有效的无标签样本进行训练。Dash 是一个通用策略,可以轻松与现有的半监督学习方法集成。实验方面,我们在 CIFAR-10, CIFAR-100, STL-10 和 SVHN 等标准数据集上充分验证了其有效性。理论方面,论文从非凸优化的角度证明了 Dash 算法的收敛性质。
https://modelscope.cn/models/damo/cv_resnet50_face-detection_retinaface/summary https://modelscope.cn/models/damo/cv_resnet101_face-detection_cvpr22papermogface/summary https://modelscope.cn/models/damo/cv_manual_face-detection_tinymog/summary https://modelscope.cn/models/damo/cv_manual_face-detection_ulfd/summary https://modelscope.cn/models/damo/cv_manual_face-detection_mtcnn/summary https://modelscope.cn/models/damo/cv_resnet_face-recognition_facemask/summary https://modelscope.cn/models/damo/cv_ir50_face-recognition_arcface/summary https://modelscope.cn/models/damo/cv_manual_face-liveness_flir/summary https://modelscope.cn/models/damo/cv_manual_face-liveness_flrgb/summary https://modelscope.cn/models/damo/cv_manual_facial-landmark-confidence_flcm/summary https://modelscope.cn/models/damo/cv_vgg19_facial-expression-recognition_fer/summary https://modelscope.cn/models/damo/cv_resnet34_face-attribute-recognition_fairface/summary
CVPR/ECCV 2022论文和代码下载
后台回复:CVPR2022,即可下载CVPR 2022论文和代码开源的论文合集
后台回复:ECCV2022,即可下载ECCV 2022论文和代码开源的论文合集
后台回复:Transformer综述,即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码,或者添加微信:CVer222,即可添加CVer小助手微信,便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注:研究方向+地点+学校/公司+昵称(如目标检测或者Transformer+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲扫码或加微信号: CVer222,进交流群
CVer学术交流群(知识星球)来了!想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料,欢迎扫描下方二维码,加入CVer学术交流群,已汇集数千人!
▲扫码进群
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看
微信扫码关注该文公众号作者