FixMatch:一貫性と信頼による半教師付き学習の単純化【JST・京大機械翻訳】

Sohn Kihyuk; Berthelot David; Li Chun-Liang; Zhang Zizhao; Carlini Nicholas; Cubuk Ekin D.; Kurakin Alex; Zhang Han; Raffel Colin

プレプリント

J-GLOBAL ID：202202210793682424 整理番号：22P0103116

FixMatch:一貫性と信頼による半教師付き学習の単純化【JST・京大機械翻訳】

FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年01月21日プレプリントサーバーでの情報更新日： 2020年11月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

半教師つき学習(SSL)は,モデルの性能を改善するために,ラベルなしデータの活用に有効な手段を提供する。本論文では,2つの一般的なSSL法(一貫性正則化と擬似ラベリング)の簡単な組合せの電力を実証した。著者らのアルゴリズム,FixMatchは,弱い増強ラベルなし画像に関するモデル予測を用いて,最初に擬似ラベルを生成する。与えられた画像に対して,モデルが高信頼予測を生成するならば,擬似ラベルは保持されるだけである。次に,このモデルを訓練して,同じ画像の強増強バージョンを与えたときの擬似ラベルを予測した。その単純さにもかかわらず,FixMatchは,CIFAR-10上の94.93%の精度,250のラベルを有するCIFAR-10上の94.93%の精度,および1クラスあたり40-just4ラベルを有する88.61%の精度を含む,最先端の性能を達成することを示した。FixMatchは,より悪い性能を達成する既存のSSL法に多くの類似性を持つので,FixMatchの成功に最も重要な実験因子を切り離すための広範なアブレーション研究を行う。このコードをhttps://github.com/google research/fixmatchで利用できる。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る