GlocalMatch 模型

开域半监督新基准

通过利用开域无标签数据的全局-局部集群结构，该模型在域内与域外泛化上均显著超越现有半监督学习方法。

Li, Zekun · Qi, Lei · 李雅文 · 史颖欢 · 高阳

IEEE Transactions on Knowledge and Data Engineering 2024

技术优势

开域鲁棒

通过聚合邻近集群的预测来生成更可靠的伪标签，减少分布不匹配对模型的影响。

特征紧凑

优化 Glocal Cluster Compacting 目标，使同一类别的特征表示更紧密，无论是否跨域。

应用场景

• 半监督视觉识别：利用少量标注和大量无标注数据训练高精度分类器，降低人工标注成本。
• 医疗影像分析：在医疗影像标注稀缺且存在分布差异时提取稳定特征，辅助诊断。