Color-$S^{4}L$: Self-supervised Semi-supervised Learning with Image Colorization

要約

この研究では、いくつかの効果的な自己教師あり口実タスクを統合することで、半教師あり画像分類タスクの問題に取り組んでいます。
半教師あり学習内で広く使用されている一貫性正則化とは異なり、特に画像の色付けプロキシ タスクを使用した新しい自己教師あり半教師あり学習フレームワーク (Color-$S^{4}L$) を探索し、さまざまなネットワークのパフォーマンスを深く評価しました。
このような特別なパイプライン内のアーキテクチャ。
また、以前の教師ありおよび半教師あり最適手法と比較して、CIFAR-10、SVHN、CIFAR-100 データセットに対するその有効性と最適なパフォーマンスを実証しました。

要約(オリジナル)

This work addresses the problem of semi-supervised image classification tasks with the integration of several effective self-supervised pretext tasks. Different from widely-used consistency regularization within semi-supervised learning, we explored a novel self-supervised semi-supervised learning framework (Color-$S^{4}L$) especially with image colorization proxy task and deeply evaluate performances of various network architectures in such special pipeline. Also, we demonstrated its effectiveness and optimal performance on CIFAR-10, SVHN and CIFAR-100 datasets in comparison to previous supervised and semi-supervised optimal methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google