qq_43656233的博客

深度回归是众多应用中的一个重要问题。这些范围从计算机视觉任务（例如根据照片估计年龄）到医疗任务（例如根据超声心动图估计射血分数以进行疾病跟踪）。然而，与分类和分割任务相比，深度回归的半监督方法尚未得到充分探索。与依赖阈值函数生成类伪标签的分类任务不同，回归任务直接使用实数目标预测作为伪标签，使得它们对预测质量更加敏感。在这项工作中，我们提出了一种半监督回归的新方法，即不确定性一致变分模型集成（UCVME），它通过为异方差回归生成高质量的伪标签和不确定性估计来改进训练。