论文地址：https://arxiv.org/pdf/1911.04252v1.pdf
这篇文章实现了自训练方法，使用部分带标签数据进行训练，在ImageNet上top-1为87.4%。
方法：
1. 为有标签和无标签的图片。
2. 使用有标签的数据、标准交叉熵损失训练了一个EfficientNet作为教师网络。
3. 用这个教师网络，在无标签数据上生成伪标签，伪标签可以是soft label(持续分布），或者hard label（one-hot分布）。文章说软标签效果更好。
4. 在有标签和无标签数据下，使用交叉熵训练一个学生网络。
5. 通过把学生网络视为教师网络，迭代以上步骤，生成新的伪标签，并训练学生网络。
软标签和硬标签，举个例子，比如图片A，输入一个分5类的网络。软标签[0.7, 0.3, 0, 0, 0]，硬标签[1, 0, 0, 0, 0]。
算法如下：
算法基于半监督学习，主要的困难在于：训练学生网络的时候添加更多的噪声，在教师网络生成标签时把这些噪声移除。使用的噪声有：dropout，随机深度，数据增广。如果使用数据增广，学生必须保证被转换的图片和未转换的图片有相同的标签。如果使用dropout，教师表现更像模型集成（生成伪标签时不使用dropout），学生表现更像单一模型。
对于Noisy Student，为了更好的效果，学生模型必须足够大以适应更多的数据（有标签和伪标签），因此文章使用了EfficientNet（比ResNet大）。此外，为了让学生学一个更高效的模型，使学生网络比教师网络大，这和模型压缩里的教师-学生网络不一样，因为模型压缩的目标是压缩。
作者还发现，数据平衡（data balancing）效果好。因为ImageNet里的标签基本是平衡的，因此需要让无标签的数据也基本平衡。对于数据不够多的类别，复制。对于数据很多的类别，取置信度最高的。
实验：
有标签数据集：ImageNet 2012ILSVRC。无标签数据集：JFT dataset。虽然这个数据集实际上是有标签的，但是无视标签。
数据清洗：先跑EfficiNet-B0，对JFT数据集的每个数据预测一个标签，然后挑选置信度高于0.3的图片。对每类的图片，得到了置信度最高的130k的图片。对于不到130k的类，随机复制。
架构：EfficientNets
来源：CSDN
作者：Chen_Swan
链接：https://blog.csdn.net/Chen_Swan/article/details/103476166