āļ„āļđāđˆāļĄāļ·āļ­āļ—āļēāļ‡āđ€āļ—āļ„āļ™āļīāļ„

āļāļēāļĢāļ•āļīāļ”āļ‰āļĨāļēāļāļŦāļĨāļ­āļāđāļĨāļ°āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāļ•āļ™āđ€āļ­āļ‡

āļāļēāļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŦāļĨāļ­āļāđ€āļ›āđ‡āļ™āđ€āļ—āļ„āļ™āļīāļ„āļāļķāđˆāļ‡āļāļģāļāļąāļšāļ”āļđāđāļĨ āđ‚āļ”āļĒāļ—āļĩāđˆāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļāļķāļāđƒāļ™āļŠāļļāļ”āļ—āļĩāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ‚āļ™āļēāļ”āđ€āļĨāđ‡āļāļˆāļ°āļŠāļĢāđ‰āļēāļ‡āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ‚āļ­āļ‡āļ•āļąāļ§āđ€āļ­āļ‡āļŠāļģāļŦāļĢāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļš āļˆāļēāļāļ™āļąāđ‰āļ™āļˆāļķāļ‡āļāļķāļāļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒāđ€āļŦāļĨāđˆāļēāļ™āļąāđ‰āļ™

āļŸāļąāļ‡āļ„āļģāđāļ™āļ°āļ™āļģāļ™āļĩāđ‰āļšāļĢāļĢāļĒāļēāļĒāđ‚āļ”āļĒ AI · ~2 min

āļšāļ™āļŦāļ™āđ‰āļēāļ™āļĩāđ‰āļ­āđˆāļēāļ™ 2 āļ™āļēāļ—āļĩ
  1. āļ āļēāļžāļĢāļ§āļĄ
  2. āđ€āļˆāļēāļ°āļĨāļķāļ
  3. āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡āđƒāļ™āđ‚āļĨāļāđāļŦāđˆāļ‡āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļˆāļĢāļīāļ‡
  4. āļ­āļ™āļēāļ„āļ•āļ‚āļ­āļ‡āļāļēāļĢāļ•āļīāļ”āļ‰āļĨāļēāļāļŦāļĨāļ­āļāđāļĨāļ°āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāļ•āļ™āđ€āļ­āļ‡
  5. āļāļēāļĢāļ™āļģāđ„āļ›āļ›āļāļīāļšāļąāļ•āļī
  6. āļŠāļģāļĢāļ§āļˆāļ•āđˆāļ­āđ„āļ›
  7. āļ„āļģāļ–āļēāļĄāļ—āļĩāđˆāļžāļšāļšāđˆāļ­āļĒ

āļ āļēāļžāļĢāļ§āļĄ

It is a simple, powerful way to exploit abundant unlabeled data.

āđ€āļˆāļēāļ°āļĨāļķāļ

āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāļ•āļ™āđ€āļ­āļ‡āđ€āļ›āđ‡āļ™āļŦāļ™āļķāđˆāļ‡āđƒāļ™āđāļ™āļ§āļ„āļīāļ”āļāļķāđˆāļ‡āļāļģāļāļąāļšāļ”āļđāđāļĨāļ—āļĩāđˆāđ€āļāđˆāļēāđāļāđˆāļ—āļĩāđˆāļŠāļļāļ” āļ‚āļąāđ‰āļ™āđāļĢāļāđƒāļŦāđ‰āļ„āļļāļ“āļāļķāļāđ‚āļĄāđ€āļ”āļĨāļ„āļĢāļđāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļˆāļģāļāļąāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļš āļˆāļēāļāļ™āļąāđ‰āļ™āļ„āļĢāļđāļˆāļ°āļ„āļēāļ”āđ€āļ”āļēāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŠāļģāļŦāļĢāļąāļšāļāļĨāļļāđˆāļĄāļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļˆāļģāļ™āļ§āļ™āļĄāļēāļ āļāļēāļĢāļ—āļģāļ™āļēāļĒāļ—āļĩāđˆāļĄāļĩāļ„āļ§āļēāļĄāļĄāļąāđˆāļ™āđƒāļˆāļŠāļđāļ‡āļāļĨāļēāļĒāđ€āļ›āđ‡āļ™āļ›āđ‰āļēāļĒāļŦāļĨāļ­āļ āđ‚āļĄāđ€āļ”āļĨāļ™āļąāļāđ€āļĢāļĩāļĒāļ™āđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļāļķāļāļāļ™āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāļĢāļ§āļĄāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ—āļĩāđˆāđāļ—āđ‰āļˆāļĢāļīāļ‡āđāļĨāļ°āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŦāļĨāļ­āļāđ€āļ‚āđ‰āļēāļ”āđ‰āļ§āļĒāļāļąāļ™ āļ‹āļķāđˆāļ‡āļĄāļąāļāļˆāļ°āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđ€āļŦāļ™āļ·āļ­āļāļ§āđˆāļēāļ„āļĢāļđ āđ€āļāļ“āļ‘āđŒāļ„āļ§āļēāļĄāđ€āļŠāļ·āđˆāļ­āļĄāļąāđˆāļ™āļĄāļĩāļ„āļ§āļēāļĄāļŠāļģāļ„āļąāļ: āđ€āļ‰āļžāļēāļ°āļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒāļ—āļĩāđˆāļ­āļĒāļđāđˆāđ€āļŦāļ™āļ·āļ­āļˆāļļāļ”āļ•āļąāļ”āļ„āļ§āļēāļĄāļ™āđˆāļēāļˆāļ°āđ€āļ›āđ‡āļ™āđ€āļ—āđˆāļēāļ™āļąāđ‰āļ™āļ—āļĩāđˆāļˆāļ°āļ–āļđāļāđ€āļāđ‡āļšāđ„āļ§āđ‰ āļ”āļąāļ‡āļ™āļąāđ‰āļ™āđ‚āļĄāđ€āļ”āļĨāļˆāļ°āđ„āļĄāđˆāđ€āļŠāļĩāļĒāļŦāļēāļĒāļˆāļēāļāļāļēāļĢāļ„āļēāļ”āđ€āļ”āļēāļ—āļĩāđˆāđ„āļĄāđˆāđāļ™āđˆāļ™āļ­āļ™āļ‚āļ­āļ‡āļ•āļąāļ§āđ€āļ­āļ‡ āļĢāļđāļ›āđāļšāļšāļŠāļĄāļąāļĒāđƒāļŦāļĄāđˆāļœāļŠāļĄāļœāļŠāļēāļ™āļāļēāļĢāļ•āļīāļ”āļ‰āļĨāļēāļāļŦāļĨāļ­āļāđ€āļ‚āđ‰āļēāļāļąāļšāļāļēāļĢāļ—āļģāđƒāļŦāđ‰āļŠāļĄāđˆāļģāđ€āļŠāļĄāļ­āļŠāļĄāđˆāļģāđ€āļŠāļĄāļ­ āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđ€āļŠāđˆāļ™ FixMatch āļŠāļĢāđ‰āļēāļ‡āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŦāļĨāļ­āļāļˆāļēāļāļĢāļđāļ›āļ āļēāļžāđ€āļŠāļĢāļīāļĄāđāļšāļšāļ­āđˆāļ­āļ™āđāļĨāļ°āļāļķāļāđ‚āļĄāđ€āļ”āļĨāđƒāļŦāđ‰āļˆāļąāļšāļ„āļđāđˆāļāļąāļšāđ€āļ§āļ­āļĢāđŒāļŠāļąāļ™āđ€āļŠāļĢāļīāļĄāļ‚āļąāđ‰āļ™āļŠāļđāļ‡ āđāļ•āđˆāđ€āļĄāļ·āđˆāļ­āļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒāļ—āļĩāđˆāđ„āļĄāđˆāļĢāļļāļ™āđāļĢāļ‡āļ™āļąāđ‰āļ™āļĄāļąāđˆāļ™āđƒāļˆāđ€āļ—āđˆāļēāļ™āļąāđ‰āļ™ Noisy Student āļ›āļĢāļąāļšāļ‚āļ™āļēāļ”āđāļ™āļ§āļ„āļīāļ”āļšāļ™ ImageNet āđ‚āļ”āļĒāļ—āļģāđƒāļŦāđ‰āļ™āļąāļāđ€āļĢāļĩāļĒāļ™āļĄāļĩāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆāļ‚āļķāđ‰āļ™ āđāļĨāļ°āđ€āļžāļīāđˆāļĄāđ€āļŠāļĩāļĒāļ‡āļĢāļšāļāļ§āļ™ (āļāļēāļĢāļ­āļ­āļāļāļĨāļēāļ‡āļ„āļąāļ™ āļāļēāļĢāđ€āļŠāļĢāļīāļĄ) āđƒāļ™āļĢāļ°āļŦāļ§āđˆāļēāļ‡āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄ

āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡āđƒāļ™āđ‚āļĨāļāđāļŦāđˆāļ‡āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļˆāļĢāļīāļ‡

āļāļķāļāļ­āļšāļĢāļĄāļĢāļ°āļšāļšāļāļēāļĢāļĢāļđāđ‰āļˆāļģāļ„āļģāļžāļđāļ”āđ‚āļ”āļĒāļāļēāļĢāļ–āļ­āļ”āđ€āļŠāļĩāļĒāļ‡āļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāđ€āļ›āđ‡āļ™āđ€āļ§āļĨāļēāļŦāļĨāļēāļĒāļžāļąāļ™āļŠāļąāđˆāļ§āđ‚āļĄāļ‡āļ”āđ‰āļ§āļĒāđ‚āļĄāđ€āļ”āļĨāđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™ āļˆāļēāļāļ™āļąāđ‰āļ™āļāļķāļāļ­āļšāļĢāļĄāļāļēāļĢāļ–āļ­āļ”āđ€āļŠāļĩāļĒāļ‡āļ—āļĩāđˆāļĄāļąāđˆāļ™āđƒāļˆāļ­āļĩāļāļ„āļĢāļąāđ‰āļ‡

Noisy Student āļ‚āļ­āļ‡ Google āļ›āļĢāļąāļšāļ›āļĢāļļāļ‡āļ„āļ§āļēāļĄāđāļĄāđˆāļ™āļĒāļģāļ‚āļ­āļ‡ ImageNet āđ‚āļ”āļĒāļāļēāļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļĢāļđāļ›āļ āļēāļžāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ‹āđ‰āļģāđ† āļāļąāļšāļ„āļĢāļđ āđāļĨāļ°āļāļķāļāļ­āļšāļĢāļĄāļ™āļąāļāđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļĄāļĩāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆāļāļ§āđˆāļēāđāļĨāļ°āļĄāļĩāđ€āļŠāļĩāļĒāļ‡āļĢāļšāļāļ§āļ™

āļāļēāļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļāļĨāļļāđˆāļĄāļāļēāļĢāļŠāđāļāļ™āļ—āļēāļ‡āļāļēāļĢāđāļžāļ—āļĒāđŒāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ„āļģāļ­āļ˜āļīāļšāļēāļĒāļ›āļĢāļ°āļāļ­āļšāļˆāļģāļ™āļ§āļ™āļĄāļēāļāļ”āđ‰āļ§āļĒāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāđ€āļ„āļŠāļ—āļĩāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāđ‚āļ”āļĒāļœāļđāđ‰āđ€āļŠāļĩāđˆāļĒāļ§āļŠāļēāļāđ„āļĄāđˆāļāļĩāđˆāļĢāđ‰āļ­āļĒāđ€āļ„āļŠāđ€āļžāļ·āđˆāļ­āļ‚āļĒāļēāļĒāļŠāļļāļ”āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄ

āļāļēāļĢāļšāļđāļ•āļŠāđāļ•āļĢāļ›āļ•āļąāļ§āđāļĒāļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļŠāļģāļŦāļĢāļąāļšāđ‚āļ”āđ€āļĄāļ™āđ€āļ‰āļžāļēāļ°āđ‚āļ”āļĒāļāļēāļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ›āļĨāļ­āļĄāļŠāļģāļŦāļĢāļąāļšāđ€āļ­āļāļŠāļēāļĢāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ™āļąāļšāļĨāđ‰āļēāļ™āļ—āļĩāđˆāļŠāļđāļ‡āļāļ§āđˆāļēāđ€āļāļ“āļ‘āđŒāļ„āļ§āļēāļĄāđ€āļŠāļ·āđˆāļ­āļĄāļąāđˆāļ™

āļ­āļ™āļēāļ„āļ•āļ‚āļ­āļ‡āļāļēāļĢāļ•āļīāļ”āļ‰āļĨāļēāļāļŦāļĨāļ­āļāđāļĨāļ°āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāļ•āļ™āđ€āļ­āļ‡

āļāļēāļĢāļ•āļīāļ”āļ‰āļĨāļēāļāļŦāļĨāļ­āļāļĒāļąāļ‡āļ„āļ‡āđ€āļ›āđ‡āļ™āļĻāļđāļ™āļĒāđŒāļāļĨāļēāļ‡āđƒāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāļ”āđ‰āļ§āļĒāļ‰āļĨāļēāļ āđāļĨāļ°āđ€āļžāļīāđˆāļĄāļĄāļēāļāļ‚āļķāđ‰āļ™āđƒāļ™āđ„āļ›āļ›āđŒāđ„āļĨāļ™āđŒāļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ āđ‚āļ”āļĒāļ—āļĩāđˆāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāđāļ‚āđ‡āļ‡āđāļāļĢāđˆāļ‡āļˆāļ°āļŠāļĢāđ‰āļēāļ‡āļ‰āļĨāļēāļāļŠāļąāļ‡āđ€āļ„āļĢāļēāļ°āļŦāđŒ āļŦāļĢāļ·āļ­āđāļĄāđ‰āđāļ•āđˆāļ‚āđ‰āļ­āļĄāļđāļĨāļŠāļąāļ‡āđ€āļ„āļĢāļēāļ°āļŦāđŒāđ€āļžāļ·āđˆāļ­āļāļķāļāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāđ€āļĨāđ‡āļāļāļ§āđˆāļēāļŦāļĢāļ·āļ­āđƒāļŦāļĄāđˆāļāļ§āđˆāļē āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļĢāļđāļ›āđāļšāļšāļŦāļ™āļķāđˆāļ‡āļ‚āļ­āļ‡āļāļēāļĢāļāļĨāļąāđˆāļ™ āļ„āļēāļ”āļŦāļ§āļąāļ‡āļāļēāļĢāļœāļŠāļēāļ™āļĢāļ§āļĄāļ—āļĩāđˆāđ€āļ‚āđ‰āļĄāļ‡āļ§āļ”āļĄāļēāļāļ‚āļķāđ‰āļ™āļāļąāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđ€āļŠāļīāļ‡āļĢāļļāļ (āļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāđ€āļĨāļ·āļ­āļāļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āļ—āļĩāđˆāļĄāļ™āļļāļĐāļĒāđŒāļ„āļ§āļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļš) āļāļēāļĢāļ›āļĢāļ°āļĄāļēāļ“āļ„āđˆāļēāļ„āļ§āļēāļĄāđ„āļĄāđˆāđāļ™āđˆāļ™āļ­āļ™āļ—āļĩāđˆāļ”āļĩāļ‚āļķāđ‰āļ™āđƒāļ™āļāļēāļĢāļāļĢāļ­āļ‡āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŦāļĨāļ­āļ āđāļĨāļ°āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡āđƒāļ™āļāļēāļĢāļĢāļđāđ‰āļˆāļģāđ€āļŠāļĩāļĒāļ‡ āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļ āļēāļžāļ—āļēāļ‡āļāļēāļĢāđāļžāļ—āļĒāđŒ āđāļĨāļ°āđ‚āļ”āđ€āļĄāļ™āđƒāļ”āđ† āļ—āļĩāđˆāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļĄāļĩāļˆāļģāļ™āļ§āļ™āļĄāļēāļāļāļ§āđˆāļēāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ­āļĒāđˆāļēāļ‡āļĄāļēāļāļĄāļēāļĒ

āļāļēāļĢāļ™āļģāđ„āļ›āļ›āļāļīāļšāļąāļ•āļī

āļ—āļģāđ„āļĄāļĄāļąāļ™āļ–āļķāļ‡āļŠāļģāļ„āļąāļ

  • āļ•āđ‰āļ™āļ—āļļāļ™āđāļĨāļ°āļ‡āļšāļ›āļĢāļ°āļĄāļēāļ“. āļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāļ”āđ‰āļēāļ™āļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄāļ‚āļąāļšāđ€āļ„āļĨāļ·āđˆāļ­āļ™āļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđāļĨāļ°āļ•āđ‰āļ™āļ—āļļāļ™āļāļēāļĢāļ”āļģāđ€āļ™āļīāļ™āļ‡āļēāļ™āđ€āļ›āđ‡āļ™āđ€āļ§āļĨāļēāļŦāļĨāļēāļĒāļ›āļĩ
  • āļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāļ—āļĩāđˆāļŠāļąāļ”āđ€āļˆāļ™āļĒāļīāđˆāļ‡āļ‚āļķāđ‰āļ™. āļāļēāļĢāļĻāļķāļāļĐāļēāļ”āđ‰āļēāļ™āđ€āļ—āļ„āļ™āļīāļ„āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āļ—āļĩāļĄāđ€āļĨāļ·āļ­āļāļāļĨāļļāđˆāļĄāļ—āļĩāđˆāđ€āļŦāļĄāļēāļ°āļŠāļĄ āđ„āļĄāđˆāđƒāļŠāđˆāđāļ„āđˆāļāļĨāļļāđˆāļĄāđƒāļŦāļĄāđˆāļĨāđˆāļēāļŠāļļāļ”
  • āļāļēāļĢāļ„āļ§āļšāļ„āļļāļĄāļ„āļļāļ“āļ āļēāļž. āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ—āļēāļ‡āļ§āļīāļĻāļ§āļāļĢāļĢāļĄāļ—āļĩāđˆāļ”āļĩāļāļ§āđˆāļēāļˆāļ°āļŠāđˆāļ§āļĒāļĨāļ”āđ€āļŦāļ•āļļāļāļēāļĢāļ“āđŒāļ”āđ‰āļēāļ™āļ„āļ§āļēāļĄāļ™āđˆāļēāđ€āļŠāļ·āđˆāļ­āļ–āļ·āļ­āđƒāļ™āļāļēāļĢāļœāļĨāļīāļ•

āļĢāļ°āļ§āļąāļ‡

  • āļāļēāļĢāđ€āļžāļīāđˆāļĄāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđ€āļāļ“āļ‘āđŒāļĄāļēāļ•āļĢāļāļēāļ™āļŦāļ™āļķāđˆāļ‡āļĢāļēāļĒāļāļēāļĢāļŠāļēāļĄāļēāļĢāļ–āļ‹āđˆāļ­āļ™āļˆāļļāļ”āļ­āđˆāļ­āļ™āļ‚āļ­āļ‡āļĢāļ°āļšāļšāđƒāļ™āļ§āļ‡āļāļ§āđ‰āļēāļ‡āđ„āļ”āđ‰
  • āļ•āđ‰āļ™āļ—āļļāļ™āđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āļžāļ·āđ‰āļ™āļāļēāļ™āđāļĨāļ°āļāļēāļĢāļšāļģāļĢāļļāļ‡āļĢāļąāļāļĐāļēāļĄāļąāļāļ–āļđāļāļ›āļĢāļ°āđ€āļĄāļīāļ™āļ•āđˆāļģāđ„āļ›
  • āļŠāđˆāļ­āļ‡āļ§āđˆāļēāļ‡āļ”āđ‰āļēāļ™āļ„āļ§āļēāļĄāļ›āļĨāļ­āļ”āļ āļąāļĒāđāļĨāļ°āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļŠāļąāļ‡āđ€āļāļ•āļŠāļēāļĄāļēāļĢāļ–āđ€āļžāļīāđˆāļĄāļ‚āļķāđ‰āļ™āđ„āļ”āđ‰āđ€āļĄāļ·āđˆāļ­āļĢāļ°āļšāļšāļĄāļĩāļ„āļ§āļēāļĄāļ‹āļąāļšāļ‹āđ‰āļ­āļ™āļĄāļēāļāļ‚āļķāđ‰āļ™

āļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļ•āđˆāļ­āđ„āļ›

  1. āļāļģāļŦāļ™āļ”āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāđ€āļ§āļĨāļēāđāļāļ‡ āļ„āļļāļ“āļ āļēāļž āđāļĨāļ°āļ•āđ‰āļ™āļ—āļļāļ™āļāđˆāļ­āļ™āļ™āļģāđ„āļ›āđƒāļŠāđ‰āļ‡āļēāļ™
  2. āđ€āļāļ“āļ‘āđŒāļĄāļēāļ•āļĢāļāļēāļ™āļ āļēāļĒāđƒāļ•āđ‰āļŠāļ āļēāļ§āļ°āđ‚āļŦāļĨāļ”āđāļĨāļ°āļ‚āđ‰āļ­āļĄāļđāļĨāļˆāļĢāļīāļ‡
  3. āļāļēāļĢāļ•āļĢāļ§āļˆāļŠāļ­āļšāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āđ€āļžāļ·āđˆāļ­āļŦāļēāļ‚āđ‰āļ­āļœāļīāļ”āļžāļĨāļēāļ” āļāļēāļĢāđ€āļšāļĩāđˆāļĒāļ‡āđ€āļšāļ™ āđāļĨāļ°āļœāļĨāļāļĢāļ°āļ—āļšāļ•āđˆāļ­āļœāļđāđ‰āđƒāļŠāđ‰
  4. āđ€āļ•āļĢāļĩāļĒāļĄāđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļāļēāļĢāļĒāđ‰āļ­āļ™āļāļĨāļąāļšāđāļĨāļ°āļāļēāļĢāļ•āļ­āļšāļŠāļ™āļ­āļ‡āļ•āđˆāļ­āđ€āļŦāļ•āļļāļāļēāļĢāļ“āđŒāļāđˆāļ­āļ™āļ›āļĢāļąāļšāļ‚āļ™āļēāļ”

āļŠāļģāļĢāļ§āļˆāļ•āđˆāļ­āđ„āļ›

āļˆāļ”āļŦāļĄāļēāļĒāļ‚āđˆāļēāļ§āļŸāļĢāļĩ

āļĢāļąāļšāļŠāļĢāļļāļ› AI āļĢāļēāļĒāļ§āļąāļ™

āđ€āļĢāļ·āđˆāļ­āļ‡āļĢāļēāļ§ AI āļ—āļĩāđˆāļ•āļĢāļ§āļˆāļŠāļ­āļšāđāļĨāđ‰āļ§ 3 āđ€āļĢāļ·āđˆāļ­āļ‡āļ—āļļāļāļ§āļąāļ™āļ—āļģāļ‡āļēāļ™ āđ€āļŠāđ‰āļē, āđ€āļ‚āļĩāļĒāļ™āđ€āļ›āđ‡āļ™āļ āļēāļĐāļēāļ­āļąāļ‡āļāļĪāļĐāļ˜āļĢāļĢāļĄāļ”āļē āļŸāļĢāļĩāļ•āļĨāļ­āļ”āđ„āļ› āđ„āļĄāđˆāļĄāļĩāđ‚āļ†āļĐāļ“āļē

āļ­āļĩāđ€āļĄāļĨāļŦāļ™āļķāđˆāļ‡āļ‰āļšāļąāļšāļ—āļļāļāļ§āļąāļ™āļ—āļģāļ‡āļēāļ™ āļĒāļāđ€āļĨāļīāļāļāļēāļĢāļŠāļĄāļąāļ„āļĢāđƒāļ™āļ„āļĨāļīāļāđ€āļ”āļĩāļĒāļ§ āđ€āļĢāļēāđ„āļĄāđˆāđ€āļ„āļĒāļ‚āļēāļĒāļŦāļĢāļ·āļ­āđāļŠāļĢāđŒāļ—āļĩāđˆāļ­āļĒāļđāđˆāļ­āļĩāđ€āļĄāļĨāļ‚āļ­āļ‡āļ„āļļāļ“

āļ—āļ”āļŠāļ­āļšāļ•āļąāļ§āđ€āļ­āļ‡

Take the Pseudo-Labeling and Self-Training quiz

āļ‚āđ‰āļ­āđ€āļŠāļ™āļ­āđāļ™āļ°āļ—āļąāļ™āļ—āļĩāļŠāļģāļŦāļĢāļąāļšāļ—āļļāļāļ„āļģāļ•āļ­āļš āđāļĨāļ°āđƒāļšāļĢāļąāļšāļĢāļ­āļ‡āļ—āļĩāđˆāļŠāļēāļĄāļēāļĢāļ–āđāļŠāļĢāđŒāđ„āļ”āđ‰āļžāļĢāđ‰āļ­āļĄ ID āļ—āļĩāđˆāļ•āļĢāļ§āļˆāļŠāļ­āļšāđ„āļ”āđ‰āđ€āļĄāļ·āđˆāļ­āļ„āļļāļ“āļœāđˆāļēāļ™āļŦāļĨāļąāļāļŠāļđāļ•āļĢ

āđ€āļĢāļīāđˆāļĄāđāļšāļšāļ—āļ”āļŠāļ­āļš

āļŠāļ™āļąāļšāļŠāļ™āļļāļ™āļāļēāļĢāļĻāļķāļāļĐāļē AI āļŸāļĢāļĩ AI Understanding āđ€āļ›āđ‡āļ™āļ­āļ‡āļ„āđŒāļāļĢāđ„āļĄāđˆāđāļŠāļ§āļ‡āļŦāļēāļœāļĨāļāļģāđ„āļĢ 501(c)(3) — āđ„āļĄāđˆāļĄāļĩāđ‚āļ†āļĐāļ“āļē āđ„āļĄāđˆāļĄāļĩāļāļģāđāļžāļ‡āđ€āļ‡āļīāļ™, āļ•āļĨāļ­āļ”āđ„āļ› āļšāļĢāļīāļˆāļēāļ„

āļ„āļģāļ–āļēāļĄāļ—āļĩāđˆāļžāļšāļšāđˆāļ­āļĒ

What is Pseudo-Labeling and Self-Training?

āļāļēāļĢāļ•āļīāļ”āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļŦāļĨāļ­āļāđ€āļ›āđ‡āļ™āđ€āļ—āļ„āļ™āļīāļ„āļāļķāđˆāļ‡āļāļģāļāļąāļšāļ”āļđāđāļĨ āđ‚āļ”āļĒāļ—āļĩāđˆāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļāļķāļāđƒāļ™āļŠāļļāļ”āļ—āļĩāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ‚āļ™āļēāļ”āđ€āļĨāđ‡āļāļˆāļ°āļŠāļĢāđ‰āļēāļ‡āļ›āđ‰āļēāļĒāļāļģāļāļąāļšāļ‚āļ­āļ‡āļ•āļąāļ§āđ€āļ­āļ‡āļŠāļģāļŦāļĢāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļš āļˆāļēāļāļ™āļąāđ‰āļ™āļˆāļķāļ‡āļāļķāļāļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒāđ€āļŦāļĨāđˆāļēāļ™āļąāđ‰āļ™ āđ€āļ›āđ‡āļ™āļ§āļīāļ˜āļĩāļ—āļĩāđˆāļ‡āđˆāļēāļĒāđāļĨāļ°āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđƒāļ™āļāļēāļĢāđƒāļŠāđ‰āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨāļˆāļģāļ™āļ§āļ™āļĄāļēāļāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩāļ›āđ‰āļēāļĒāļāļģāļāļąāļš

How does a basic self-training loop use unlabeled examples?

The guide describes generating pseudo-labels and training with labeled and selected unlabeled examples.

Why apply a confidence threshold to pseudo-labels?

The guide says high-confidence predictions are retained to reduce contamination from uncertain guesses.

What is confirmation bias in pseudo-labeling?

The guide warns that a model’s errors may be reinforced by its generated labels.

In FixMatch, where does the pseudo-label come from?

FixMatch uses a confident prediction from a weak augmentation to train on a strong augmentation.

What is the student-noise idea in Noisy Student?

The guide describes adding noise during student training to encourage generalization.

āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ•āđˆāļ­āđ„āļ›

āļ„āļģāđāļ™āļ°āļ™āļģāļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡

āļ„āļģāđāļ™āļ°āļ™āļģāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄāļ—āļĩāđˆāđ€āļĨāļ·āļ­āļāļŠāļģāļŦāļĢāļąāļšāļŦāļąāļ§āļ‚āđ‰āļ­āļ™āļĩāđ‰

āļ•āđˆāļ­āđ„āļ›āļ„āļģāđāļ™āļ°āļ™āļģāļ•āđˆāļ­āđ„āļ›

āļāļēāļĢāđāļšāđˆāļ‡āļˆāļļāļ”āļ•āļĢāļ§āļˆāđāļĨāļ°āļāļēāļĢāļāļķāļāļ­āļšāļĢāļĄāļ•āđˆāļ­

āđ€āļ—āļ„āļ™āļīāļ„

āļĢāļąāļšāđƒāļšāļĢāļąāļšāļĢāļ­āļ‡ AI āļŸāļĢāļĩāļŦāļĨāļąāļāļŠāļđāļ•āļĢāđāļĨāļ°āļāļēāļĢāļŠāļ­āļšāļŠāļąāđ‰āļ™ āđ† āļŸāļĢāļĩ āđ„āļĄāđˆāļĄāļĩāļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ āđ„āļĄāđˆāļĄāļĩāļšāļąāļ•āļĢāđ€āļ„āļĢāļ”āļīāļ• āļ›āļĢāļ°āļĄāļēāļ“ 2.5 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āļŸāļĢāļĩ →