图像分类半监督自监督无监督学习综述，A survey on Semi-, Self- and Unsupervised Learning for Image Classification

题目： A survey on Semi-, Self- and Unsupervised Learning for Image Classification

摘要：

尽管深度学习策略在计算机视觉任务中取得了出色的成绩，但仍然存在一个问题：当前的策略严重依赖大量的标记数据。在许多实际问题中，创建如此大量的带标签的训练数据是不可行的。因此，通常将未标记的数据合并到训练过程中，以较少的标记达到相同的结果。由于进行了大量并行研究，因此很难跟踪最新动态。本文概述了标签较少的图像分类中常用的思想和方法。详细比较了25种方法。在分析中，确定了三个主要趋势。

• 最先进的方法基于其准确性可扩展到实际应用。
• 为获得与所有标签的使用效果可比的结果而需要的监督程度正在降低。
• 所有方法都有共同的想法，而只有少数几种方法将这些想法结合起来以实现更好的性能。

基于这三个趋势，发现了未来的研究机会。