深度半监督学习中伪标签方法综述

随着智能技术的发展,深度学习已成为机器学习的研究热点,在各个领域发挥着越来越重要的作用.深度学习需要大量的标签数据用于提升模型性能.为了有效解决标签问题,研究人员将半监督学习与深度学习相结合.同时利用少量的标签数据和大量的无标签数据构建模型,有利于扩大样本空间.鉴于深度半监督学习的理论意义和实际应用价值,以深度半监督学习方法中的伪标签方法作为切入点进行分析.首先,对深度半监督学习进行介绍,指出伪标签方法优势所在;其次,从自训练和多视角训练角度出发对伪标签方法进行阐述,对已有的模型进行综合性分析;接着,重点介绍基于图和伪标签的标签传播方法,并对已有伪标签方法进行实验分析;最后,从无标签数据效用性、噪声数据、合理性和伪标签方法的结合上总结伪标签方法所面临的问题和未来研究方向.