知识卡片
协同训练交换伪标签
协同训练用同一问题的两组特征分别训练模型,再将各自高置信度预测过的样本交给对方继续学习。不同视图能补足对方所缺的信号。两模型在相似环境下共同错判时,交换样本可能强化偏差。
关联:[[未标注数据需揭示结构]]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 智能驾驶的环境感知 4.2 基于协同学习的非结构化道路可行域检测 · 查看原书依据
用标注样本单独训练分类器,然后每个分类器从未标注样本中挑选出若干带伪标签的样本加入另一个分类器的训练集中,不断迭代直到某个停止条件。协同训练算法的基本思想是从两个角度看一个分类问题,根据不同
参考来源
- 位置:《人工智能:智能驾驶》第4章 智能驾驶的环境感知,4.2 基于协同学习的非结构化道路可行域检测(book-source:extracted/人工智能:智能驾驶/_epub-src/OEBPS/Text/chapter7.xhtml#A4b85004a-d66e-4e0d-b88e-a02a824f3f8e)
- 结论依据:原文给出两视图迭代,并讨论视图独立假设和伪标签选择。
- 原始内容:用标注样本单独训练分类器,然后每个分类器从未标注样本中挑选出若干带伪标签的样本加入另一个分类器的训练集中,不断迭代直到某个停止条件。协同训练算法的基本思想是从两个角度看一个分类问题,根据不同