Self-supervised Boosting

Self-supervised boosting mengintegrasikan tugas-tugas pretext self-supervised ke dalam kerangka kerja boosting — mencakup AdaBoost, gradient boosting, dan varian modernnya — untuk memanfaatkan kumpulan data tak berlabel yang besar. Dengan terlebih dahulu mempelajari representasi fitur dari sampel tak berlabel dan kemudian menjalankan ansambel pembelajar lemah sekuensial pada data pseudo-label, metode ini mencapai akurasi yang kompetitif bahkan ketika label kebenaran dasar (ground-truth) langka.