awesome-semi-supervised-learning

收录理由

标注数据的获取往往需要大量人工成本，而半监督学习正是为了充分利用手头已有的未标注数据而存在。这份清单以实用为导向，将论文按任务划分，图像分类、分割、目标检测、自然语言处理、图方法、生成模型以及理论等方向各有独立章节，读者可以直接定位到与自己问题相关的部分。大多数条目都附有论文链接，有代码的也会一并给出，这对于想复现一致性正则化或自训练等方法的人来说非常关键，而不只是停留在阅读层面。清单还收录了TorchSSL和微软统一SSL基准等可直接运行的代码库，为实验提供了具体的起点。如果团队正在权衡该尝试哪种半监督方案，从这里开始调研会是一个不错的选择。