- …
- …
#709
summarized by : Hiroki Yamaoka
どんな論文か？
RemixMatchなど最近の半教師あり学習で用いられているAugmentation Anchoringをラベルなしの異なる画像間に適用。信頼性の高い擬似ラベルを持つ画像Lと、異なる画像Rの擬似ラベルとの類似度を計算し、その類似度が閾値以上なら画像Rに強いデータ拡張を施したデータの出力が画像Lの出力に近づくように学習を行うための損失関数Pair Lossを提案。
新規性
RemixMatchなど半教師あり学習で顕著な成果を上げている手法は素のラベルなし画像とそれにデータ拡張を施した画像に対してそれらの擬似ラベルにconsistencyを促すことで性能を向上させたが、ラベルなしの異なる類似性の高い画像間に対してconsistencyを促すことでも性能を向上させることができ、RemixMatchなど既存手法の損失関数に加えるだけで性能をさらに向上させた。
結果
CIFAR-10やSVHNなど10クラス分類の比較的簡単なタスクはReMixMatchやFixMatchなどと同程度あるいは少し下回る性能。Mini-ImageNetに対してはMixMatchを大きく上回る性能を出している。（ReMixMatchとFixMatchとの比較はなされていないのはなぜ？）
その他（なぜ通ったか？等）
- …
- …