- …
- …
#598
summarized by : Atsuki Osanai
どんな論文か？
半教師あり学習では、対象外クラスがラベルなしデータに含まれると精度低下が起こる。本研究ではこの課題を対照学習(CL)を用いて改善する。CLはインスタンス間の分離度を高めるため、対象外クラスを除外するには有効であるが、クラス情報を考慮しておらず分類に有効な特徴になる保証がない。そこで、確信度を用いるClass-awareなCLを提案。対象外クラスへの耐性を高め、対象クラスで良好な精度を達成。
新規性
対象外クラスデータを含む設定いおける、ロバストな半教師あり学習手法を提案した点。
Strong augmented画像を用い、対象クラスについてはクラス内の距離を近づける＆クラス間の距離を離すような埋め込みを学習させ、対象外クラスについては通常のCL同様にインスタンス間の距離を離すような表現を学習させる。また、対象クラスと誤推定されるサンプルの寄与度を抑制するために、確信度による重み調整を行う。
結果
対象外クラスを含まないCIFAR10/100, STL10での評価では、CIFAR100でSOTA、CIFAR10/STL10ではSOTAとcomparableなスコアを達成(クラス数が多い方が効果が大きい？)対象外クラスを含むSemi-iNat2021データセットでは、既存の半教師あり学習手法に提案手法を適用することで一様な改善を達成した。
その他（なぜ通ったか？等）
https://github.com/TencentYoutuResearch/Classification-SemiCLS
- …
- …