我们为半监督学习设置提供了一种新的数据增强技术，该技术强调从功能空间最具挑战性的地区学习。从完全监督的参考模型开始，我们首先确定较低的置信度预测。然后，这些样品用于训练变异自动编码器（VAE），该变量可以生成具有相似分布的无限额外图像。最后，使用最初标记的数据和合成生成的标记和未标记的数据，我们以半监视的方式重新训练了一个新模型。我们对两个基准RGB数据集进行实验：CIFAR-100和STL-10，并表明所提出的方案在准确性和鲁棒性方面提高了分类性能，同时就现有的完全监督的方法而产生可比或优越的结果。
translated by 谷歌翻译