Core Concepts
プロトタイプ半教師付き学習とファウンデーションモデルを使用した効率的な外部分布検出手法の紹介。
Abstract
この論文は、コンピュータビジョン分野におけるプロトタイプ半教師付き学習に焦点を当て、凍結されたファウンデーションモデルをニューラルネットワークのバックボーンとして利用する改良されたPAWS-VMKアプローチを説明しています。この手法は、従来の半教師付き学習および外部分布(OOD)検出の結果を上回り、Predicting View-Assignments With Support Samples(PAWS)半教師付き学習手法を改善しています。vMF-SNE事前トレーニング、MixMatchに着想を得た損失関数、およびシンプルk-Meansプロトタイプ選択(SKMPS)などの新しい手法が導入されています。これにより、CIFAR-10(99.2%)、CIFAR-100(89.8%)、Food-101(90.1%)で新しい基準が設定されました。
Stats
PAWS-VMKはCIFAR-10で93.1/98.0、CIFAR-100で95.2/96.3の競争力あるOODサンプルの効率的な検出を実現している。
Quotes
"PAWS-VMK sets new benchmarks in semi-supervised learning for CIFAR-10 (99.2%) and CIFAR-100 (89.8%) with four labelled instances per class, and Food-101 (90.1%) with two labelled instances per class."
"We also observe that PAWS-VMK can efficiently detect OOD samples in a manner that is competitive with specialised methods specifically designed for this purpose, achieving 93.1/98.0 and 95.2/96.3 on the CIFAR-10 and CIFAR-100 OpenOOD benchmarks."