#849
summarized by : Asato Matsumoto
Data-Efficient Semi-Supervised Learning by Reliable Edge Mining

どんな論文か?

半教師あり学習の一つにデータ同士の関係をグラフで構成するものがある。ノード間の類似度(または非類似度)を表すエッジでデータ間の関係性を表現していた。しかしラベルなしデータはラベル付けを誤り、エッジの判定の信頼性を欠く可能性がある。またエッジで接続されたノードはすでに十分にフィットしており、モデルの学習に寄与しないことがある。そこで本手法では、信頼性が高く有用なエッジのみを選択する手法を提案した。
placeholder

新規性

信頼性の高いエッジのみを用いて有効なグラフを形成するReliable Edge Mining (REM)を提案した。ノードの確実性はsoftmaxの出力のエントロピー、エッジの信頼性は確実性の平均から計算される。REMは節度に基づく手法と組み合わせることでさらに精度を向上させる。

結果

SVHNやCIFAR-10/100で実験を行い、ラベル付きデータが少ない状況でも引くエラー率を達成した。CIFAR-100では従来手法と比較して2ポイント程度の精度改善がみられた。

その他(なぜ通ったか?等)