郑哲东的博客

因为就像Adaboost一样，我们让模型overfit难样本，为了获得一个互补的模型，这个单模型在单独使用的情况下，不一定能更好。根据训练过程中的snapshot（可以看成弱分类器），来针对性“选择”难样本，提高他们采样到的概率，如下图。通过这种方法 我们可以每轮训练一个模型，得到weak models （这都是在一次训练中的），我们通过weight moving average的方式 得到 Student Aggregation 也就是 “臭皮匠们组成的诸葛亮”。传统方案，显然我们组合后的模型较为稳定。

论文题目: Rectifying Pseudo Label Learning via Uncertainty Estimation for Domain Adaptive Semantic Segmentation 论文地址: https://arxiv.org/pdf/2003.03773.pdf 作者：Zhedong Zheng, Yi Yang 代码： https://github.c...