半监督学习实战——标注数据和伪标签数据混合训练

最新推荐文章于 2025-10-09 08:18:56 发布

原创

最新推荐文章于 2025-10-09 08:18:56 发布 · 9.6k 阅读

104 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍在标注数据有限、未标注数据丰富的情况下，如何利用半监督学习提升模型性能。通过伪标签技术，对未标注数据进行预标注，再与真实标注数据结合训练模型。详细讲解了代码实现过程，包括数据加载、标签融合等关键步骤。

1. 背景

当标注数据较少，而未标注的数据很多，并且标注成本很高时，可以考虑半监督学习训练。首先，采用伪标签技术把没有标注的的图片打上伪标签，然后用标注数据和伪标签数据混合训练模型。值得注意的是，要保证每个mini-batch中含有真实标签和伪标签，本文带你用代码实现。

2. 实现方法及步骤

首先看看伪标签技术，参考这里，如下图所示：

3. 代码实现

首先是生成伪标签，对于分类和目标检测而言都比较简单，这里不赘述。

下面实现的是：如何在每个mini-batch中保证同时存在真实标签和伪标签，并且控制他们的比例，以分类为例进行说明。

第一步，需要修稿数据加载程序，如下：

import os
import torch
from torch.utils import data
import numpy as np
from torchvision import transforms as T
import torchvision
import cv2
import sys
import random
from PIL import Image
from data_augment import gussian_blur, random_crop

class Dataset(data.Dataset):
    def __init__(s