[论文翻译]SST: 基于自适应阈值的半监督学习自训练方法

神经网络在监督学习中表现出色，这得益于大量高质量的标注数据。然而，在实际场景中获取此类数据成本高昂且费时费力。半监督学习（SSL）通过结合少量标注数据和大量未标注数据，为解决这一问题提供了方案。近期研究如Semi-ViT和Noisy Student采用一致性正则化或伪标签技术取得了显著成果，但仍面临挑战——尤其是依赖固定阈值导致难以准确选择足够高质量的伪标签。FlexMatch和FreeMatch等最新方法引入了灵活或自适应的阈值技术，极大推动了SSL研究，但其逐轮迭代更新阈值的过程被认为耗时、计算密集且可能非必要。