Open yiskw713 opened 4 years ago
Qizhe Xie, Minh-Thang Luong, Eduard Hovy, Quoc V. Le
CVPR2020
pdf 解説記事 公式実装
自己訓練(self-training)とは,ある分類器fをラベル付きデータで学習し, その後ラベルのないデータに対して分類を行い,高い確信度を持って分類したものに その分類結果を擬似ラベルとして付与し,再度学習しなおすことを繰り返す学習法
この自己訓練を,異なる二つのモデルで行うのが共訓練(co-training)というもの. ラベルありデータで,二つの分類器をそれぞれ学習させる. その後,ラベルなしデータに対してそれぞれのモデルが分類を行い, 一方の確信度の高い分類結果を,もう一方の次の学習の際の擬似ラベルとして用いるというもの.
今回の手法は,co-trainingっぽいが,論文では self-trainingとしている
二つのモデルでself-training を行う際に,一方を Teacher, もう一方を Student とする. Teacher モデルをラベル付きデータで学習させた後, ラベルなしデータに対して分類をかけ擬似ラベル(soft label)を与える. この後,擬似ラベルを持つデータを含んだデータセットで Student モデルを学習させるが, その際に, i) RandAugment, Dropout, Stochastic Depth の三つのノイズを,Teacherモデルを学習させた時よりも同等かそれ以上与えて,Studentモデルを学習させる ii) Student モデルは,Teacher モデルよりも大きなものを用いる とする.この学習過程を繰り返すことで,精度が高くかつ,ロバスト性も兼ね備えることができるとのこと.
May 12th, 2020
INFO
author
Qizhe Xie, Minh-Thang Luong, Eduard Hovy, Quoc V. Le
affiliation
conference or year
CVPR2020
link
pdf 解説記事 公式実装
事前知識
自己訓練(self-training)とは,ある分類器fをラベル付きデータで学習し, その後ラベルのないデータに対して分類を行い,高い確信度を持って分類したものに その分類結果を擬似ラベルとして付与し,再度学習しなおすことを繰り返す学習法
この自己訓練を,異なる二つのモデルで行うのが共訓練(co-training)というもの. ラベルありデータで,二つの分類器をそれぞれ学習させる. その後,ラベルなしデータに対してそれぞれのモデルが分類を行い, 一方の確信度の高い分類結果を,もう一方の次の学習の際の擬似ラベルとして用いるというもの.
今回の手法は,co-trainingっぽいが,論文では self-trainingとしている
概要
二つのモデルでself-training を行う際に,一方を Teacher, もう一方を Student とする. Teacher モデルをラベル付きデータで学習させた後, ラベルなしデータに対して分類をかけ擬似ラベル(soft label)を与える. この後,擬似ラベルを持つデータを含んだデータセットで Student モデルを学習させるが, その際に, i) RandAugment, Dropout, Stochastic Depth の三つのノイズを,Teacherモデルを学習させた時よりも同等かそれ以上与えて,Studentモデルを学習させる ii) Student モデルは,Teacher モデルよりも大きなものを用いる とする.この学習過程を繰り返すことで,精度が高くかつ,ロバスト性も兼ね備えることができるとのこと.
提案手法
検証
新規性
議論,展望
Comment
date
May 12th, 2020