컨트롤러 가이드 부분 레이블 일관성 정규화와 비레이블 데이터

부분 레이블 학습(PLL)은 여러 후보 레이블과 연결된 훈련 예제에서 학습하며, 그 중 하나만 유효합니다. 최근 몇 년 동안, 모호한 감독을 처리하는 강력한 능력과 현대 데이터 증강 방법의 자극 덕분에, 일관성 정규화 기반의 PLL 방법들이 일련의 성공을 거두고 주류가 되었습니다. 그러나 부분 주석이 불충분해짐에 따라, 이들의 성능이 크게 저하됩니다. 본 논문에서는 쉽게 접근할 수 있는 비레이블 예제를 활용하여 부분 레이블 일관성 정규화를 촉진합니다. 부분 감독 손실 외에도, 우리 방법은 비레이블 데이터의 도움으로 레이블 수준과 표현 수준 모두에서 컨트롤러 가이드 일관성 정규화를 수행합니다. 초기 감독 모델의 불충분한 능력에 따른 단점을 최소화하기 위해, 우리는 컨트롤러를 사용하여 각 현재 예측의 신뢰도를 추정하고 다음 일관성 정규화를 안내합니다. 더욱이, 우리는 신뢰도 임계값을 동적으로 조정하여 일관성 정규화에 참여하는 각 클래스의 샘플 수가 대략 동등하게 유지되어 클래스 불균형 문제를 완화합니다. 실험 결과, 우리의 방법이 보다 실용적인 상황에서 만족스러운 성능을 달성하였으며 그 모듈이 기존 PLL 방법에 적용되어 그 능력을 향상시킬 수 있음을 보여줍니다.