Core Concepts
柔軟な分布整合性(FlexDA)は、長尾型半教師あり学習において、正確なデータ分布の推定とモデルのバランス調整を実現する新しいアプローチである。
Abstract
半教師あり学習における長尾型セミ・スーパーバイズドラーニング(LTSSL)の実用的シナリオを取り上げる。
FlexDAは、柔軟な分布整合性を導入し、予測を実際の未ラベルデータの分布と動的に整合させることでバランスの取れた分類器を達成する。
データ利用率向上やモデルキャリブレーション改善に効果的。
ADELLO(Align and Distill Everything All at Once)は、LTSSLコンテキストで優れたパフォーマンスを示す。
Introduction
LTSSLはセミ・スーパーバイズドラーニングの挑戦的問題。
分布整合性(DA)が偏ったラベル付きデータ配布によって引き起こされる問題を軽減することを目指す。
Flexible Distribution Alignment (FlexDA)
FlexDAは、未ラベルデータの特性に動的に適応し、ターゲット分布とモデルを整列させる方法。
監督損失と一貫性損失が組み合わさり、全体的なデータ利用率向上やバイアス低減に寄与。
Complementary Consistency Regularization (CCR)
CCR技術は、低信頼度サンプルに対して補完的一貫性損失を適用し、精度と信頼性向上。
Experiments
CIFAR10-LT, CIFAR100-LT, STL10-LTでADELLOが他手法よりも優れたパフォーマンスを示す。
ImageNet127ではADELLOがCoSSLよりも優れた結果を示す。
Stats
この手法はCIFAR100-LT50で49.2±0.6%のテスト精度を達成した。
Quotes
"FlexDAは未ラベルデータの特性に動的に適応し、ターゲット分布とモデルを整列させる方法です。"
"ADRLLoは他手法よりも優れたパフォーマンスを示します。"