SSCAL提出持续主动学习的伪标签批次策略

Shiqi Zhang与Tuomas Virtanen提出半监督持续主动学习方法SSCAL，将每次查询后的训练拆成两项决策：哪些未标注样本加入伪标签训练，以及它们在每个小批次中占多大比例。该方法通过限制伪标签比例、重加权有标签样本损失来控制训练成本。 在两个音频数据集、两个冻结编码器、六种采样函数和十个随机种子的测试中，SSCAL在四种训练步数相同的协议里平均排名第一，结果支持让伪标签样本与有标签样本共享小批次的方案。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。