[Open DMQA Seminar] Hybrid Methods for Semi-Supervised Learning Under Class Distribution Mismatch

준지도학습(semi-supervised learning)은 레이블이 지정된 데이터의 양이 제한될 때, 딥러닝의 정확도를 높이기 위해 레이블이 지정되지 않은 다량의 데이터를 활용하는 방법론이다. 그러나, 현실적인 경우 레이블이 지정되지 않은 데이터에는 레이블이 지정된 데이터와 다른 클래스를 가진 데이터가 포함될 수 있기 때문에 준지도학습의 성능이 악화될 수 있다. 본 세미나는 이러한 문제점을 해결하기 위한 하이브리드 계열의 최신 준지도학습 방법론을 소개하도록 한다.
참고자료:
[1] Saito, Kuniaki, Donghyun Kim, and Kate Saenko. "Openmatch: Open-set semi-supervised learning with open-set consistency regularization." Advances in Neural Information Processing Systems 34 (2021): 25956-25967.
[2] Li, Zekun, et al. "IOMatch: Simplifying open-set semi-supervised learning with joint inliers and outliers utilization." Proceedings of the IEEE/CVF International Conference on Computer Vision. 2023.
[3] Oliver, Avital, et al. "Realistic evaluation of deep semi-supervised learning algorithms." Advances in neural information processing systems 31 (2018).
[4] Chen, Yanbei, et al. "Semi-supervised learning under class distribution mismatch." Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 34. No. 04. 2020.

[@osbfllee1668]

추천세미나 1. kzbin.info/www/bejne/f5uUk595i79-ipI 2. kzbin.info/www/bejne/ppTWaJ2Kl6mgjJo