Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks

要約

Dense FixMatch は、強力なデータ拡張による疑似ラベル付けと一貫性の正則化を組み合わせた、密で構造化された予測タスクのオンライン半教師あり学習のための単純な方法です。
疑似ラベルにマッチング操作を追加することで、画像分類を超えた半教師あり学習問題での FixMatch の適用を可能にします。
これにより、幾何学的変換を含む、データ拡張パイプラインの完全な機能を引き続き使用できます。
Cityscapes と Pascal VOC の半教師ありセマンティック セグメンテーションで評価し、ラベル付きデータの割合を変えて、設計の選択とハイパーパラメーターを除去します。
Dense FixMatch は、ラベル付きデータのみを使用する教師あり学習と比較して結果を大幅に改善し、ラベル付きサンプルの 1/4 でそのパフォーマンスに近づきます。

要約(オリジナル)

We propose Dense FixMatch, a simple method for online semi-supervised learning of dense and structured prediction tasks combining pseudo-labeling and consistency regularization via strong data augmentation. We enable the application of FixMatch in semi-supervised learning problems beyond image classification by adding a matching operation on the pseudo-labels. This allows us to still use the full strength of data augmentation pipelines, including geometric transformations. We evaluate it on semi-supervised semantic segmentation on Cityscapes and Pascal VOC with different percentages of labeled data and ablate design choices and hyper-parameters. Dense FixMatch significantly improves results compared to supervised learning using only labeled data, approaching its performance with 1/4 of the labeled samples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google