Descrizione del prompt

APPROVATO. Il diagramma illustra un framework di apprendimento semi-supervisionato a doppio ramo progettato per dati realistici long-tailed nella visione artificiale. Il framework comprende due flussi di dati: Dati Etichettati (Long-Tailed) e Dati Non Etichettati (Distribuzione Sconosciuta). Entrambi i flussi sono elaborati da un estrattore di caratteristiche condiviso (Backbone Network). Dopo l'estrazione delle caratteristiche, le caratteristiche divergono in due rami paralleli: un Predittore Biasato, che genera pseudo-etichette per i dati non etichettati ed è adattivo alla distribuzione dei dati non etichettati, e un Predittore Bilanciato, addestrato per incoraggiare confini decisionali bilanciati e utilizzato per l'inferenza finale. Un modulo di Soppressione della Diffusione delle Caratteristiche Guidato dallo Stato di Apprendimento è posizionato tra il backbone e entrambi i predittori, collegato allo spazio delle caratteristiche. Questo modulo sopprime l'espansione delle caratteristiche per le classi ben apprese preservando l'esplorazione per le classi meno apprese.