對比學習引領弱標籤學習新SOTA,浙大新研究入選ICLR Oral
在訓練過程中,研究者會不斷更新這個偽標籤向量,而模型則會最佳化以下損失進行更新分類器,PLL的對比表徵學習(Contrastive Representation Learning For PLL)受到監督對比學習(SCL)[3] 的啟發,研...
在訓練過程中,研究者會不斷更新這個偽標籤向量,而模型則會最佳化以下損失進行更新分類器,PLL的對比表徵學習(Contrastive Representation Learning For PLL)受到監督對比學習(SCL)[3] 的啟發,研...