OpenLDN : Apprentissage pour la découverte de nouvelles classes dans le cadre de l'apprentissage semi-supervisé en monde ouvert

L'apprentissage semi-supervisé (SSL) est l'une des approches dominantes pour résoudre le problème de la pénurie d'annotations dans l'apprentissage supervisé. Les méthodes SSL récentes peuvent exploiter efficacement un grand répertoire de données non étiquetées pour améliorer les performances tout en s'appuyant sur un petit ensemble de données étiquetées. Une hypothèse courante dans la plupart des méthodes SSL est que les données étiquetées et non étiquetées proviennent de la même distribution de données. Cependant, ce n'est rarement le cas dans de nombreuses situations réelles, ce qui limite leur applicabilité. Dans cette étude, nous tentons au contraire de résoudre le problème difficile de l'apprentissage semi-supervisé en monde ouvert (open-world SSL), qui ne fait pas cette hypothèse. Dans le problème d'apprentissage semi-supervisé en monde ouvert, l'objectif est de reconnaître les échantillons des classes connues et, simultanément, de détecter et regrouper les échantillons appartenant aux nouvelles classes présentes dans les données non étiquetées. Cette étude introduit OpenLDN, qui utilise une perte de similarité par paire pour découvrir les nouvelles classes. En utilisant une règle d'optimisation à deux niveaux, cette perte de similarité par paire exploite les informations disponibles dans l'ensemble étiqueté pour regrouper implicitement les échantillons des nouvelles classes, tout en reconnaissant simultanément les échantillons des classes connues. Après avoir découvert les nouvelles classes, OpenLDN transforme le problème d'apprentissage semi-supervisé en monde ouvert en un problème SSL standard pour obtenir des gains supplémentaires de performance grâce aux méthodes SSL existantes. Nos expériences approfondies montrent que OpenLDN surpasse les méthodes actuelles de pointe sur plusieurs benchmarks populaires de classification tout en offrant un meilleur compromis entre précision et temps d'entraînement.