CoSSL: Co-Learning of Representation and Classifier for Imbalanced Semi-Supervised Learning

分类器(UML) 计算机科学 机器学习 人工智能 半监督学习 水准点(测量) 特征学习 学习分类器系统 测距 模式识别(心理学) 强化学习 大地测量学 电信 地理
作者
Yue Fan,Dengxin Dai,Anna Kukleva,Bernt Schiele
出处
期刊:Proceedings [Institute of Electrical and Electronics Engineers]
卷期号:: 14554-14564 被引量:100
标识
DOI:10.1109/cvpr52688.2022.01417
摘要

Standard semi-supervised learning (SSL) using classbalanced datasets has shown great progress to leverage unlabeled data effectively. However, the more realistic setting of class-imbalanced data - called imbalanced SSL - is largely underexplored and standard SSL tends to under-perform. In this paper, we propose a novel co-learning framework (CoSSL), which decouples representation and classifier learning while coupling them closely. To handle the data imbalance, we devise Tail-class Feature Enhancement (TFE) for classifier learning. Furthermore, the current evaluation protocol for imbalanced SSL focuses only on balanced test sets, which has limited practicality in real-world scenarios. Therefore, we further conduct a comprehensive evaluation under various shifted test distributions. In experiments, we show that our approach outperforms other methods over a large range of shifted distributions, achieving state-of-the-art performance on benchmark datasets ranging from CIFAR-10, CIFAR-100, ImageNet, to Food-101. Our code will be made publicly available.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
秀丽寄琴发布了新的文献求助10
刚刚
小蘑菇的应助被克莱不因蓝采纳,获得10
1秒前
无名氏发布了新的文献求助10
1秒前
CC完成签到,获得积分10
1秒前
geat完成签到,获得积分10
2秒前
谭谨川完成签到,获得积分10
2秒前
2秒前
2秒前
kornna完成签到 ,获得积分10
2秒前
3秒前
YAM发布了新的文献求助10
3秒前
hazel发布了新的文献求助10
5秒前
6秒前
张倩发布了新的文献求助10
6秒前
华仔的应助被暴龙战士采纳,获得10
6秒前
Shaowei完成签到,获得积分10
6秒前
FFFFcom完成签到,获得积分10
8秒前
完美世界的应助被潇洒依白采纳,获得10
8秒前
9秒前
水牛发布了新的文献求助10
10秒前
bkagyin的应助被无名氏采纳,获得10
10秒前
11秒前
zzq完成签到,获得积分10
12秒前
吕小菜发布了新的文献求助20
12秒前
星辰大海的应助被梅梅采纳,获得10
13秒前
13秒前
ame1120发布了新的文献求助10
14秒前
15秒前
15秒前
16秒前
情怀的应助被野性的苗条采纳,获得10
16秒前
18秒前
暴龙战士发布了新的文献求助10
18秒前
南枝完成签到 ,获得积分10
19秒前
19秒前
kkk关注了科研通微信公众号
19秒前
jiulin发布了新的文献求助10
20秒前
hailiangzheng完成签到,获得积分10
20秒前
科研通AI6.4的应助被Maxw采纳,获得10
20秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8193514
求助须知:如何正确求助?哪些是违规求助? 9579686
关于积分的说明 21866883
捐赠科研通 7793152
什么是DOI,文献DOI怎么找? 3437297
关于科研通互助平台的介绍 2560725
邀请新用户注册赠送积分活动 2484176