MOIT: 结合监督对比学习和分类分支处理噪声数据的半监督学习方法

MOIT\u00a0\u00a0\u00a0采用了监督对比学习和分类分支相结合的方法来处理噪声问题。它引入了插值有监督对比损失来提取特征。同时，还采用了memory bank的方式，将之前的一些样本记录下来作为负例样本，以增加样本量。在特征空间中，使用KNN算法筛选干净的标签集合。筛选后，利用半监督学习构造伪标签，将其与分类分支的输出结合，得到交叉熵损失。最后，将对比损失和分类损失相加，一起进行网络更新。此外，还可以通过直接在提取出的干净集合上计算交叉熵来进行精细调整（MOIT+）。